Modelo matemático de aprendizado de máquina

Exemplo:

Dados não classificados	Dados Classificados	Matriz dos dados

Formula:

h(x)=sign((\sum_{i=1}^d w_i x_i)+b)

onde:

Saida:

Entrada:

sign = \left \{ \begin{matrix} +1, & \mbox{se }sign>0 \quad indica \quad presença \quad de \quad uma \quad caracteristica \mbox{ } \\ -1, & \mbox{se }sign<0 \quad indica \quad ausencia \quad de \quad caracteristicas \mbox{ } \end{matrix} \right

Parâmetros:

w_1,...,w_n \quad :s\tilde{a}o \quad pesos \quad a \quad serem \quad ponderados (s\tilde{a}o \quad parametros \quad a \quad serem \quad treinados).

d:significa dimensão ou seja números de planos lineares

Algoritimo de aprendizado:

Importante:

• Não ocorre variação do peso se a saida estiver correta.
• caso contrario, cad peso é incrementado de η quando a saida
  é menor que o alvo (tartget) t é decrementado de η quando
  a saída é maoior que o alvo.
1. iniciar os pesos com valores randomicos e pequenos ou iguais a zero;
2. aplicar um padrão com seu respectivo valor desejado de saída t_j&space;" > e verificar a saída da rede s_j&space;" >;
3. calcula o erro na saída E_j&space;=&space;t_j&space;-&space;s_j" >;
4. se E_j&space; = 0, volta ao passo 2;
   se E_j&space; ≠ 0, atualiza os pesos: ∆ w_i_j&space;= η x_iE_j;&space;
5. volta ao passo 2.

Processo de aprendizado:

Exemplo:

Dados de entrada

x

Parametros

w

b

Resultados

Implementação em python: