感知器函数准则
感知器是线性分类器中最经典的算法之一，它通过迭代更新权重来寻找能够正确分类所有训练样本的线性判别函数。
感知器准则
感知器准则的目标是最小化误分类样本到决策边界的距离之和。对于每个误分类样本 ，权重更新规则为：
其中 是学习率， 是样本的真实标签（）。
特点
- 感知器收敛定理：如果训练数据线性可分，感知器算法在有限步内收敛
- 如果数据线性不可分，感知器不会收敛，无法找到解
- 感知器输出的是类别标签，而不是概率值
链接到
- 上一个知识点：2.3 最小平方误差准则
- 下一个知识点：2.5 二分类解决多分类