第2章 感知机

2.1 感知机

模型：f(x)=sign(w*x+b)

           w*x+b=0  超平面

2.2 学习策略

目的：找出无穷多个超平面中的一个能线性可分的超平面，即模型f(x)=sign(w*x+b)

经验风险：误分类的数据

                  min L(w,b)=−∑xiϵMyi(w∗x0+b)

2.3  学习算法

目的：提供算法求出使损失函数极小时的w、b，及确定感知机模型

算法：

         1）选取初值W0、B0（自己设）

         2）在训练集上选取数据（x , y）

         3）如果该数据是误分类点，则对W、B进行更新

         4）转到2） 

注意：当设置初值不同或选取数据顺序不同时，可能得到当超平面不同

收敛和震荡：

        当数据集线性可分时，误分类次数是有上限的

算法的对偶形式：

          W0 、B0初始值均为0