机器学习学习笔记(2)---感知器学习算法

机器学习学习笔记(2)---感知器学习算法


上文所说的学习过程当中,要有用来学习的数据和一个用于学习的假设函数h。仍是以发行信用卡为例,客户的资料为输入x, 最后的结果是要么给该客户办理信用卡,要么就不给。输出为{+1, -1}。算法

x = ( x1 , x2 , ... , xd ), x中不一样的项表明该客户的不一样属性。由着d个数能够计算出一个加权的“分数”机器学习

办理银行卡 di=1wixi> 函数

不给办理 di=1wixi< 学习

输出y:{+1(good), -1(bad)}, 0忽略。atom

线性假设函数为: h(x)=sign((di=1wixi)threshold) spa

合并函数得code

h(x)=sign((i=1dwixi)threshold)
=sign((i=1dwixi)+(threshold)w0(+1)x0

=sign(i=0dwixi)
=sign(wTx)

在二维平面 R2 上, h(x)=sign(w0+w1x1+w2x2) orm

h(x)表明的是分割不一样符号的二维平面上的线。x是平面上的点,y={+1, -1},正负表示点在直线的两侧。blog

猜测的集合 H 里有不少h(x),咱们想获得的是 gf ,方法是根据所给的数据D不断调整h(x)。这种算法就是感知器学习算法(PLA).图片

for t = 0, 1, ...

1.发现一个 wt 的错误点

(xn(t),yn(t))

sign(wTx)yn(t)

2.更正错误

wt+1wt+yn(t)xn(t)
直到 没有错误

返回 最后的 w .

此处输入图片的描述

相关文章
相关标签/搜索