偏置

一句话理解#

偏置就是考试的"附加分"——就算所有输入的加权投票总分为零，偏置也能给一个底线分。

公式中的位置#

$z = \vec{w} \cdot \vec{x} + b$z=w⋅x+b

$\vec{w} \cdot \vec{x}$w⋅x 是加权求和（点积），$b$b 就是偏置。它决定了激活函数的"触发门槛"：$b$b 越大，神经元越容易被激活；$b$b 越小（负数），越难被激活。

与截距的关系#

你在一次函数 $y = kx + b$y=kx+b 里见过它——$b$b 是截距，控制整条直线的上下位移。神经元里的偏置做的是同样的事：把分界线在空间中平移，让它不必非得经过原点。

编程类比#

PyTorch 中 nn.Linear(in_features, out_features, bias=True) 的 bias=True 就是在说："这层要带偏置项。"几乎所有层都默认开启。