感知器 vs 支持向量機
Perceptron vs Support Vector Machine
感知器 側重 感知器是最簡單的神經網路模型，模擬生物神經元，接收輸入、加權求和、通過激活函數輸出，用於二元分類。，而 支持向量機 側重 支持向量機是一種機器學習模型，透過尋找最大邊界的超平面，將不同類別的資料有效分隔。
逐項比較
| 項目 | 感知器 | 支持向量機 |
|---|---|---|
| 一句定義 | 感知器是最簡單的神經網路模型，模擬生物神經元，接收輸入、加權求和、通過激活函數輸出，用於二元分類。 | 支持向量機是一種機器學習模型，透過尋找最大邊界的超平面，將不同類別的資料有效分隔 |
| 比喻 | 感知器就像一個簡單的「是非判斷機」-- 它接收幾個資訊（輸入），根據每個資訊的重要性給予不同權重，然後決定最終答案是「是」或「否」（二元分類）。 | 支持向量機就像在操場上劃分兩隊的裁判 -- 它會找到一條最寬的「線」（或高維空間的「面」），把兩隊的人分開，而且這條線離兩邊的隊員都盡可能遠，這樣分界最清楚。 |
| 常見標籤 | 機器學習、神經網路、AI基礎、模型訓練、數學基礎、iPAS初級 | 機器學習、模型訓練、統計方法、最佳化 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 感知器和邏輯迴歸有什麼區別？ | 這類方法什麼時候最值得用？ |