实验一
-
PLA算法
-
适用问题
二维或者高维的 线性可分问题的分类。如果不是线性可分,使用Pocket改正算法,类似贪心的法则找到一个最适合的。
-
原理
设有向量,、标量threshold,则预测函数可表示为。若X增加一维,W增加一维,则进一步预测函数可表示为。PLA算法的任务就是找W。
-
取二维情况,即,,假设训练集,由于X中的,所以可以将训练集的点在二维图中画出:
-
-
PLA算法如何找W:
-
初始化W=
-
从训练集D中取一个样本(X,y),得到预测值,将预测值和y比较,若相同,则进行下一次迭代;若不同,则更新
-
重复迭代直到所有样本都分类正确(若线性可分,迭代可以终止)
-
证明:
-
-
-
-
代码
-