機器學習學習筆記（2）---感知器學習算法

機器學習學習筆記（2）---感知器學習算法

---

上文所說的學習過程當中，要有用來學習的數據和一個用於學習的假設函數h。仍是以發行信用卡爲例，客戶的資料爲輸入x， 最後的結果是要麼給該客戶辦理信用卡，要麼就不給。輸出爲{+1， -1}。

x = ( x1 , x2 , ... , xd ), x中不一樣的項表明該客戶的不一樣屬性。由着d個數能夠計算出一個加權的「分數」

辦理銀行卡 ∑di=1wixi>閾值

不給辦理 ∑di=1wixi<閾值

輸出y：{+1(good), -1(bad)}, 0忽略。

線性假設函數爲： h(x)=sign((∑di=1wixi)−threshold)

合併函數得

h(x)=sign((∑i=1dwixi)−threshold)

=sign((∑i=1dwixi)+(−threshold)w0∗(+1)x0

=sign(∑i=0dwixi)

=sign(wTx)

在二維平面 R2 上， h(x)=sign(w0+w1x1+w2x2)

h(x)表明的是分割不一樣符號的二維平面上的線。x是平面上的點，y={+1， -1}，正負表示點在直線的兩側。

猜測的集合 H 裏有不少h(x)，咱們想獲得的是 g≈f ，方法是根據所給的數據D不斷調整h(x)。這種算法就是感知器學習算法(PLA).

for t = 0, 1, ...

1.發現一個 wt 的錯誤點

(xn(t),yn(t))

即

sign(wTx)≠yn(t)

2.更正錯誤

wt+1←wt+yn(t)xn(t)

直到 沒有錯誤

返回 最後的 w .