机器学习Machine Learning
眼观
入坑机器视觉,主要研究目标跟踪,欢迎共同探讨。
展开
-
林轩田机器学习基石——Guarantee of PLA
PLA: PerceptronLearning Algorithm 这节课介绍了什么情况下PLA算法能够终止,终止条件是什么? 1. 线性可分性 PLA能够终止的条件,即 no more mistakes,所有的点都被找到的超平面正确的分类,无一例外。 那么首先,我们的数据集就需要是线性可分的(Linear Separability),只有所有的数据点是线性可分的,才有可能找到一个能够将它原创 2016-12-27 11:01:23 · 2242 阅读 · 1 评论 -
林轩田机器学习基石——Non-Separable Data
回顾一下PLA(PerceptronLearning Algorithm)是线性分类器,每次发现一个错误分类的样本,就对超平面进行更新。 上一课主要证明了PLA算法在数据为线性可分的情况下,是能够终止,找到最终能够准确分类数据的超平面的。 在证明中是用到了理想的超平面Wf,实际上它是未知的,如果已知的话我们也就不用花力气去计算PLA了。还有一个问题是我们的训练数据D是否是线性可原创 2016-12-28 10:44:06 · 1533 阅读 · 0 评论