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