Gebrauch von perceptron für Klassifikation

Question

Ich lerne ein Konzept von perceptron im maschinellen Lernen und wie es für Klassifikation benutzt wird. Ich weiß, dass Perceptron Daten klassifizieren kann, die linear trennbar sind und eine boolesche Klassifikation haben. Aber was gibt es? Es gibt mehr als zwei Klassen für Daten und ich muss ein Modell mit diesen Daten erstellen. Ist es möglich, Perceptron in diesem Fall zu verwenden?

Answer 1

Die Idee in der Multiclass-Variante des Perceptron-Algorithmus ist ziemlich genau die gleiche wie in der binären Klassifizierung mit Ausnahme einiger kleinerer Unterschiede. Im Multiclass Klassifikation mit Klassen K, werden wir einen Satz von K Gewicht Vektoren W_{1},...,W_{K} (jeweils Gewichtsvektor ist, die Größe D, wobei D die Anzahl von Merkmalen sind ) aufrechtzuerhalten.

Die Vorhersage (sowohl bei Trainings- und Testzeit) würde sich ändern:

\widehat{y}_{n} = arg max_{k}(W_{k}^{T} x_{n} + b) 

was bedeutet, dass die vorhergesagte Klasse wird derjenige sein, für die der Gewichtungsvektor die höchste Punktzahl gibt. Die Aktualisierungsbedingung ist gegeben durch (unter der Annahme, dass yn ist das wahre Label xn):

if(\widehat{y}_{n} != y_{n}) 
    W_{\widehat{y}_{n}} = W_{\widehat{y}_{n}} - X_{n} 
    W_{\widehat{y}_{n}} = W_{\widehat{y}_{n}} + X_{n}