林轩田《机器学习基石》第一篇（观后感）

为了缩短机器学习入门者看视频的时间，特意整理了精简的部分。

机器学习

1. 银行是否发贷款的模型，采用线性模型（现实中一般不会这么简单），当评分大于某规定值，则发放，否则，不发放；

 

输入量为x，属性个数为d，sign 是符号函数，threshold 即所说的规定值。本式通过机器学习w和threshold 来建立模型。通过h(x)的值决定是否发放贷款。w 通常称为权重,y通常称为标签。当精简符号表示时，将-threshhold 看成一个w0值,+1看成x0，则精简后的式子表示为：

如何找出合适的w？（修正）

看右边矢量图，线性模型可以看成w与x的内积运算，当w与x的夹角大于90°，则结果为负值，反之，为正值。

当发现某点真实y应为+1，模型输出-1，证明该点的x与y的夹角过大，如右上第一个图，此时可以通过w+yx进行修正w，则夹角变小，当真实y应为-1，模型输出为+1，证明该夹角过小，通过w+yx ，即w-x，修正w，将夹角变大。该修正方法也称为感知机学习算法（PLA）。常见的调整w方式为逐个循环，直到所有输入x，都能正常预测真实y停止。PLA停止条件为线性可分。当不能线性可分，就不能停止。

变形PLA-(贪心思想-口袋演算法)总是保存当前的最优w。并设置一个最大迭代次数。虽然不是线性可分，但是还可以找到比较好的w。