感知机算法收敛性（Novikoff）证明

最新推荐文章于 2024-04-21 20:42:08 发布

beijing_txr

最新推荐文章于 2024-04-21 20:42:08 发布

阅读量1.7k

点赞数

文章标签：算法机器学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/sinat_35676815/article/details/122922539

版权

跟着李沐学AI中提到了感知机（解决二分类问题）的收敛性证明

下面就来证明一下。

教科书上的定理是设训练数据集T={( $x_{1},y_{1}$ ),( $x_{2},y_{2}$ ),···,( $x_{N},y_{N}$ )}是线性可分的，也就是说通过一条直线便能将两个类别分开。如下图所示：黑线能够将猫和狗分开。其中 $x_{i}\in \chi = \mathbb{R}^{n}$ , $y_{i}\in Y=\{-1,1\},i=1,2,\cdot \cdot \cdot ,N$ ,

存在满足条件 $\left \| \hat{\omega _{opt}} \right \| =1$ 的超平面 $\hat{\omega }_{opt}\cdot \hat{x}=\omega_{opt} \cdot x +b_{opt} =0$ 将训练数据集完全正确分开，且存在 $\gamma >0$ ，对所有 $i = 1,2,\cdot \cdot \cdot,N$

$y_{i} (\hat{\omega }_{opt}\cdot \hat{x})=y_{i} (\omega_{opt} \cdot x +b_{opt} )\geq \gamma$ (1)

假设所有数据有一个最大半径R，则

最低0.47元/天解锁文章

关注

0
点赞
踩
9

收藏

觉得还不错? 一键收藏
1
评论
感知机算法收敛性（Novikoff）证明

感知机算法收敛性（Novikoff）证明
复制链接

扫一扫

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。