机器学习基石-02-2-PLA何时停下来?

本文探讨了感知机学习算法(PLA)的停止条件,指出在数据线性可分时,PLA能找到完美分离数据的直线。讨论了PLA在循环中的向量内积和长度变化,解释了为何内积增加并不意味着完全接近。此外,文章还提到了PLA在噪声数据情况下的局限性,并介绍了应对噪声数据的口袋算法。
摘要由CSDN通过智能技术生成

PLA停止的条件:找到一条“best”的直线可以把圆圈和叉叉完美的分开。

这就要求资料data是线性可分的(linear separability),否则PLA永远也不会停下来。

接下来假设D线性可分,那么PLA什么情况会停下来(halt)呢?

假设wf是“perfect”的:


上面的公式含义:两个向量的内积几何意义是,一个向量在另一个向量上投影的长度。所以就是平面上的某一个点x到“红蓝分界线”的距离(是分正负的),前面的yn就是用来调整正负号的,可以保证距离都是正的满足>0。哪怕是最小的min也肯定满足>0,所以其他的点到“红蓝分界线”的距离一定都会>0。

影响PLA是否停下从两个方面来考虑:

1.wt和wf两个向量的内积越来越大,一定程度上表示两个变量越来越接近。但需要注意,两个变量的内积大小不是判断是否接近的充分条件,还需要考虑两个变量的长度变化。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值