瞭解感知器訓練算法

Question

以下文字摘自HalDauméIII的"A Course in Machine Learning"在線教科書（Page）。

我明白，D =輸入矢量的大小。

（1）這是什麼樣的Perceptron算法？二級/多級？在線/離線？

（2）這是什麼y？偏置/重量/樣品/ class_label？

（3）什麼是測試ya<=0更新權重的基本原理？

---

編輯。

y是class_label。

Answer 1

問題的答案：

1 -這是一個二進制感知器算法，在脫機批處理工作。

2 -如您所寫 - Y是標籤向量。每個標籤可以是1或-1。

3 -如果y * a < = 0，測試的合理性在於檢查感知器是否正確地分類了某個樣本。如果沒有 - 感知器的權重被修改。

一點關於第三個問題

感知算法背後的想法是如下：

一個。我們遍歷樣本MaxIter次。

b。感知器通過將每個樣本乘以權重向量W並添加偏差b來分類。結果被分配到變量a中。

c。每個樣本的預測可以是1或-1。它由符號（a）計算。在這個階段我們檢查分類的正確性。

如果y * a> 0，表示y = sign（a）。換句話說，預測分類是正確的，我們繼續下一個樣本。

然而如果y * a < = 0，那意味着感知器未能預測正確的標籤。在這種情況下，該算法改變了感知器的權重，使得它們與我們未能分類的樣本更加兼容。