看了李航的《统计学习方法》,下面是一些笔记。
感知机
1.感知机模型
模型:f(x) = sign(w*x+b),w,b为向量
为什么选择的是这个函数而非别的函数呢?
当w*x+b=0时,f(x)=0;
当w*x+b!=0时, f(x)!=0;
此时可以用w*x+b=0来较好的划分函数的类别。
2.策略:①选择误分类比较多的点,不是连续可导,不好优化;②选择距离超平面:w*x+b=0比较近的距离,这样的点误差小。
3.算法:
①原始形式:
(1)初始化w,b;
(2)从测试集中选取数据;
(3)如果y(w*x+b)<=0,更新w,b的值w = w+n*x*y,b= b+n*y
(4)转回(2)
②对偶形式:
对偶形式就是在原来的形式上修整w,b的值;
4.感知机的优缺点分析:
①优点:
②缺点: