machine-learning - 感知器训练算法的输入可以有不同的类型吗？

Question

感知器训练算法中的输入必须具有相同类型吗？

即一个输入可以是 bool 类型，另一个输入可以是整数类型吗？

Answer 1

它们不能是任意的。看一下计算步骤和终止条件(收敛准则):

Update:
y[j](t) = f[w(t) ⋅ x[j] ] 
        = f[w[0](t) x[j,0] + w[1](t) x[j,1] + ⋯ + w[n](t) x[j,n] ]

Convergence:
error = sum(abs(d[j] - y[j](t) )for all j) 
error / j_max < epsilon

这要求您至少有一个部分排序的数据类型，其中定义了与您的权重类型的点积(通常与权重类型相乘并在乘积类型上相加)、误差计算的减法以及一些有效的数据类型。收敛值epsilon。

我强烈建议您坚持使用真实的(浮点或双倍)权重。如果您对操作非常正式，您的输入可能是另一种类型，但在实践中有点棘手:您可以在输入和权重向量上定义点积吗？对于字符串输入，什么是

"hello" ⋅ [0.66, 0.21, -1.13]

更一般地说，如何将评估向量存储在感知器中，然后测量它与输入的匹配程度？如何调整反向传播中的向量？

如果您可以管理这些，您就可以处理您的输入类型。

就我个人而言，我建议您坚持第一个建议:如果可以的话，将您的输入映射到数字。