机器学习中——感知机中

最新推荐文章于 2022-03-11 15:52:41 发布

zouxiaolv

最新推荐文章于 2022-03-11 15:52:41 发布

阅读量152

点赞数

分类专栏：机器学习文章标签：机器学习——感知机

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/zouxiaolv/article/details/89111868

版权

机器学习专栏收录该内容

24 篇文章 7 订阅

订阅专栏

$\frac{1}{\left \| \omega \right \|}$ 不考虑的原因有两点：

1：恒为正，不影响 $-y_{i}$ $\left ( \omega \cdot x_{i} + b)$ 正负的判断，也就是不影响学习算法的中间过程。因为感知机学习算法是误分类驱动的（只有当出现误分类时才去调整模型，或者说损失函数只与误分类点有关），这里需要注意的是，所谓的“误分类驱动”指的是我们只需要判断 $-y_{i}$ $\left ( \omega \cdot x_{i} + b)$ 的正负来判断分类的正确与否，而 $\frac{1}{\left \| \omega \right \|}$ 并不影响正负值的判断，所以 $\frac{1}{\left \| \omega \right \|}$ 对感知机学习算法的中间过程可有可无。

2、 $\frac{1}{\left \| \omega \right \|}$ 不影响感知机学习算法的最终结果，因为感知机学习算法最终的终止条件是所有的输入都被正确的分类，即不存在误分类点，则此时的损失函数为0，对应于 $-y_{i}\frac{1}{\left \| \omega \right \|}$ $\left ( \omega \cdot x_{i} + b)$ ，，即分子为0.则可以看出 $\frac{1}{\left \| \omega \right \|}$ 。

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器学习中——感知机中

不考虑的原因有两点：1：恒为正，不影响正负的判断，也就是不影响学习算法的中间过程。因为感知机学习算法是误分类驱动的（只有当出现误分类时才去调整模型，或者说损失函数只与误分类点有关），这里需要注意的是，所谓的“误分类驱动”指的是我们只需要判断的正负来判断分类的正确与否，而并不影响正负值的判断，所以对感知机学习算法的中间过程可有可无。2、不影响感知机学习算法的最终结果，因...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。