我试图通过手工计算来理解感知器的功能，但我的结果与感知器应有的功能不符。我假设以下步骤应该能产生模仿感知器的结果：
-
分别将每个输入作为 xᵢ 和 yᵢ
-
将每个输入乘以一个权重（X 的 W₁ 和 Y 的 W₂）
-
将 xᵢ•W₁ 和 yᵢ•W₂ 通过加法结合 = Rᵢ
-
对结果应用分段函数，并使用随机的切换阈值。
*(由于我是手工计算的，所以不需要分段函数…我只需要寻找结果‘R’在我的两个数据集之间分裂的点。)
这是我的 X,Y 坐标图，分为红色数据集和蓝色数据集（https://m.imgur.com/gallery/SII1r）。显然，目标是识别结果 R 中的模式，以便分类器能够正确解释。
以下是数据集及其在 (W₁ = -1) & (W₂ = +1) 下的结果 R 值：
蓝色数据集 –
Y 4. 3. 2. 1. 0. 4. 3. 2. 1. X. 1. 2. 3. 4. 5. 2. 3. 4. 5.R. 3. 1. -1. -3. -5. 2. 0. -2. -4红色数据集 –
Y. 3. 2. 1. 0. 2 1. 0. 1. 0. X. 1. 2. 3. 4. 1. 2. 3. 1. 2.R. 2. 0. -2. -4. 1. -1. -3. 0. -2从这些结果来看，R 值明显重叠，无法编写一个区分红色和蓝色数据集的分段函数。我的印象是，感知器的目的是将一组线性可分的二维（或更高维）值压缩成一组一维值…几乎就像将 R 值放在数轴上并找到数据集分裂的位置。我知道我在数学计算或对感知器功能的解释上犯了严重的错误，但我希望能从最基本的层面理解它…所以如果有人能指出我哪里做得不好，我将不胜感激！谢谢！
回答：
问题出在你的问题陈述中：正确的 W 值应该是 w1 = w2 = 1。R 值的分裂点是 Rred < 4.5 < Rblue。
你是如何得到给定的 W 系数的？
