Keras从零学习-感知机-0x01

共计 515 个字符，预计需要花费 2 分钟才能阅读完成。

学习神经网络一般都是从感知机开始着手学习，那先从keras构建一个感知机开始。

感知机算法的原理比较简单

上面的公式中w 对应着权重，x就是你输入的特征，比如广告的分类信息，b表示偏置信息。当然满足条件大于0则为1否则为0.

这里引入一个激活函数的概念，单层感知器使用的是sign符号函数，如果改为sigmoid函数那么就与逻辑回归是一样了。

from keras.models import Sequential 
from keras.layers import Dense
model = Sequential() 
model.add(Dense(1, activation='linear',input_dim=8, kernel_initializer='random_uniform'))

这里给出的代码并不是完整的代码，单层感知机的代码主要体现在第三行代码。

上面的代码实现就是上图的效果，Dense函数中的第一个参数1就是指节点只有1个，input_dim表示输入的特征维度为8维，对应上图及时n为8，kernel_initializer 是权重w初始化的方法。

单层感知机的例子让我们对keras有了直观的了解，这才刚开始，后续在介绍网络层的时候会详细介绍。