itslabtime.com
首頁 / 資訊與計算 / 感知器分類

感知器分類

調整學習率和資料形狀,觀察決策邊界的移動。

    CS11 · 感知器分類0.00 s · 準備

    計算 · 人工智慧基礎 / 原理與探索

    感知器分類實驗解說

    調整學習率和資料形狀,觀察決策邊界的移動。

    它是怎麼工作的?

    線性可分的資料可以用一條直線來劃分。

    關鍵關係

    w ← w + η(y − ŷ)x · b ← b + η(y − ŷ)

    嘗試這個實驗

    1. 調整學習率和資料形狀,觀察決策邊界的移動。
    2. 執行並記錄這三個參考設定。
    3. 改變一個變數,並與參考記錄進行比較。

    解讀結果的依據

    在 100% 的精度下,還剩下多少錯誤?

    零· 線性可分的資料可以用一條直線來學習。

    模型的範圍與限制

    這是一個單層二元分類器。XOR 不可線性可分。初始化和順序會影響收斂。