这一小节，老师解决了我上一节中遗留的问题。
首先，只有当数据集data是线性可分的时候，才存在 f 超平面，将空间没有错误地划分成两块。所以，PLA才能输出一个可行解 g 。
其次，证明PLA可以在有限步输出 g 分为三部分：
证明w_f · w_{t+1} > w_f · w_{t} （其中w_f是最优解 f 对应的权向量）:
这一证明意味着，经过不断的修正，w_t 会变得越来越接近理想的 w_f。
证明 w_{t+1}^2 <= w_t^2 + max{x_n^2}:
第二步证明表示，每一次的修正，w_t 长度的增长量都有限。
我们应用1，2中的结论，进行如下证明：
这一步说明，w_f和w_t的夹角的余弦值会随着时间 t 越来越大。又由于余弦值小于等于1，所以，w_t 必定会收敛。且收敛步数至多是：
至此，我们证明了当数据集是线性可分的时候，PLA可以在一定时间内返回一个完美的划分函数 g 。
详细笔记查看 林轩田机器学习基石课程笔记2 - 学习回答Yes/No 问题 在解释 Guarantee of P...
《机器学习&&深度学习》 视频课程资源百度云下载。 林轩田：机器学习基石 链接：http://pan.baidu....
机器学习课程 台湾国立大学林轩田的机器学习基石和机器学习技法:包括老师主页，b站视频（基石和技法），很全面的笔记（...
更多笔记可至：林轩田机器学习基石笔记，不定期更新...
更多笔记可至：林轩田机器学习基石笔记，不定期更新...
笔记1 -- The Learning Problem 最近在看NTU林轩田的《机器学习基石》课程，个人感觉讲的非...
问题 详细笔记查看 林轩田机器学习基石课程笔记2 - 学习回答Yes/No当时看这个图和注解的时候，特别难理解。因...
Gurantee of PLA 这一小节，老师解决了我上一节中遗留的问题。 首先，只有当数据集data是线性可分的...
林轩田的机器学习基石课程 1-3讲主要是讲机器学习应该使用在什么地方,机器学习有哪些分类. 4-8讲主要机器凭什么...
最近在看NTU林轩田的《机器学习基石》课程，整个基石课程分成四个部分： When Can Machine Lear...
本文标题：机器学习笔记（2-3）--林轩田机器学习基石课程
本文链接：https://www.haomeiwen.com/subject/twhlaxtx.html
网友评论