感知機 - 對偶形式
對偶形式的基本思想:
將w和b表示爲樣本(書中術語爲實例)的線性組合形式,通過求解其係數而求得w和b
但變形之後的感知機就從參數學習算法變成了非參數學習算法。因爲它的算法模型中還要用到訓練數據集X和y
模型
其中,m爲樣本數,n爲樣本的特徵數
策略
感知機的損失函數是一個經驗風險函數:
其中M是誤分類點的集合
感知機的學習策略是從假設空間中選取使損失函數最小的模型參數a, b
算法
學習模型的具體方法
感知機對偶形式使用隨機梯度下降法
對偶形式的基本思想:
將w和b表示爲樣本(書中術語爲實例)xi和標記yi的線性組合形式,通過求解其係數而求得w和b
但變形之後的感知機就從參數學習算法變成了非參數學習算法。因爲它的算法模型中還要用到訓練數據集X和y
f(x)=sign(j=1∑majyjxj⋅x+b)sign(x)={+1,−1,x≥0x<0
其中,m爲樣本數,n爲樣本的特徵數
感知機的損失函數是一個經驗風險函數:
L(w,b)=−xi∈M∑yi(j=1∑majyjxj⋅xi+b)
其中M是誤分類點的集合
感知機的學習策略是從假設空間中選取使損失函數最小的模型參數a, b
學習模型的具體方法
感知機對偶形式使用隨機梯度下降法
{anew=aold+ηbnew=bold+ηyi(4)