机器学习算法中的 "weight" 到底是什么
What exactly is a "weight" in machine learning algorithms
我目前正在 python 中学习感知器学习算法,在阅读 Rosenblatt 的 perceptron 规则时,我遇到了术语“weight”。谁能给我解释一下这个词到底是什么意思?
在感知器方面,weight 代表 "strength of the synaptic connection"(在解释中)和 "parameter that you multiply by signal connected through given connection"。将 "connection" 本身称为权重也是一个常见的用例。
因此在感知器的情况下,你的模型是
perceptron(x) = sign( SUM_i w_i x_i )
---
|
weight
为什么这样称呼?因为您计算了特征x_i
的加权总和,相应的w_i
是每个特征的权重。
我目前正在 python 中学习感知器学习算法,在阅读 Rosenblatt 的 perceptron 规则时,我遇到了术语“weight”。谁能给我解释一下这个词到底是什么意思?
在感知器方面,weight 代表 "strength of the synaptic connection"(在解释中)和 "parameter that you multiply by signal connected through given connection"。将 "connection" 本身称为权重也是一个常见的用例。
因此在感知器的情况下,你的模型是
perceptron(x) = sign( SUM_i w_i x_i )
---
|
weight
为什么这样称呼?因为您计算了特征x_i
的加权总和,相应的w_i
是每个特征的权重。