上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
第4章 线性分类模型
线性分类器是最简单的分类器且具有可计算性。一般情况下,线性分类器不是最优分类器。当各类样本空间发生重叠时,寻找线性分类器的迭代过程会延长,甚至产生振荡现象,这就是线性分类器的局限性。但是,由于简单高效,因此它应用比较广泛。在小样本情况下,它甚至能取得比复杂分类器更好的效果。采用不同的准则及不同的优化算法,会得到不同的线性判别方法。如果知道判别函数的形式,就可以设法从数据中直接估计这种判别函数中的参数,这就是基于样本直接进行分类器设计的思想。不同的判别函数类型、分类目标及不同的优化算法就决定了不同的分类模型设计方法。
本章首先介绍线性判别函数的准则,具体论述两类和多类的分类问题;然后对Fisher线性判别函数进行介绍,重点介绍基于感知器的线性判别函数;最后给出在TensorFlow平台上的感知器算法实现。