在简单的看法中，有人可以向我解释阈值的概念以及如何设置它，即最初阈值输入和重量的值是什么？
答案 0 :(得分：3)
根据定义，感知器是一个二元分类器，即使在它最简单的化身中你也可以认为它具有偏差/阈值0：
y = f( w <子>名词 * x <子>名词 > 0 ? 1 : 0 )
但由于0是一个非常随意的值，偏差/阈值明确地作为变量引入模型：
y = f( w n * x n > b ' ? 1 : 0 )或y = f( w <子>名词 * x <子>名词 + b > 0 ? 1 : 0 )
问题是，现在模型需要采取另一个变量（b [这是一个标量]，而不是原始的w n [这是一个向量]）在训练时考虑到这一点
有很多方法可以做到这一点，天真的方法是选择b的一些可能的值，并为w n 上的每个训练模型并保留{ {1}}，( b n w对产生最佳效果。对
更优雅的方法是将偏差/阈值变量)视为附加到始终为1的输入的权重，这基本上将模型带回原始形式，只有1个变量{{1除了现在向量b和w具有x元素外：
w n + 1 n + 1 n + 1 y = f( w