neural-network - 我们可以在多类分类问题上使用单层感知器吗?
问题描述
- 我们可以在多类分类问题上使用单层感知器吗?
- 如果我们有 30 个特征,我们如何证明这些类是非线性可分的?
解决方案
是的,您可以使用单层感知器 (slp) 进行多类分类。我们可以为此采用一对多或一对一的策略。SLP 就像线性可分的逻辑分类器,所以如果数据集不是线性可分的,那么您可能需要考虑使用多层感知器。
我不确定你在问什么,但就我的理解而言,如果我们可以用一条直线分隔 2 个类,它们是线性可分的。这意味着如果在您的数据集中您可以绘制将示例彼此分开的直线,那么问题是线性可分的。但通常情况并非如此。
我真的很喜欢这个博客。你可能想检查一下。
推荐阅读
- c# - 如何选择所需的列?
- python - 如何将字典的键和值转换为数据框列?
- random - 区间全覆盖的随机序列发生器
- c# - 转换字典
通过异常“名称不能以'1'字符开头,十六进制值0x31。” - spring - 有什么方法可以在春季只为一种方法启用缓存?
- selenium-webdriver - 如何在 webdriver 中为网格复选框编写测试脚本
- reactjs - setState 被回调执行阻塞
- typescript - 每天使用 Firebase 函数更新 Firebase 实时数据库中的数据
- node.js - 节点响应优先级
- c# - 是否有任何内置函数可以在 C# 中查找双数组的总和?