感知機
感知機是一種最簡單的線性二分類模型,可以在輸入空間(特徵空間)將實例劃分爲正負兩類。
感知機學習算法的原始形式
對於輸入空間,感知機通過以下函數將其映射至{+1,-1}的輸出空間
f(x)=sign(w⋅x+b)
對於所有的錯分類點i∈M,都有−yi(w⋅xi+b)>0,因此我們可以定義如下的損失函數作爲優化準則:
我們很容易就可以得到感知機學習算法的原始形式.
(1)
整個算法流程如下:
1. 選取初值w0,b0
2. 在訓練集中任意選取點(xi,yi)
3. 如果−yi(w⋅xi+b)>0則按照(1)式更新w,b
4. 重複2直到沒有被誤分的點
以上即爲感知機算法的原始形式。
感知機學習算法的對偶形式
對偶形式的基本想法是,將w和b表示爲實例xi 和標記 yi的線性組合的形式,通過求解其係數而求得w和b.
假設w0=0,b=0,那麼從(1)式可以看出,當所有的點均不發生誤判時,最後的w,b一定有如下的形式:
- 初始化α=0,b=0.
- 任意選取(xi,yi)
- 如果,即發生誤判,則對αi,b進行更新:
(注:此處對αi,bi的更新僅利用(xi,yi))
- 重複2直到所有點都被正確分類
原始形式和對偶形式對參數b的處理是相同的。