了解感知器训练算法答案

【问题标题】：Understanding Perceptron training algorithm了解感知器训练算法
【发布时间】：2017-05-10 15:00:21
【问题描述】：

以下文字来自 Hal Daumé III 的 "A Course in Machine Learning" 在线教科书（第 41 页）。

我明白，D = 输入向量的大小。

(1) 这是一种什么样的感知器算法？二进制/多类？在线/离线？

(2) 这里的y 是什么？偏差/权重/样本/class_label？

(3) 测试ya<=0 以更新权重的基本原理是什么？

编辑。

y 是 class_label。

【问题讨论】：

【解决方案1】：

回答您的问题：

1 -这是一种二元感知器算法，用于离线批处理。

2 - 正如你所写 - Y 是标签向量。每个标签可以是 1 或 -1。

3 - 测试y*a

关于第三个问题的更多信息

感知器算法背后的思路如下：

一个。我们迭代样本 MaxIter 时间。

b.感知器通过将每个样本与权重向量 W 相乘并添加偏差 b 来对每个样本进行分类。结果赋值给变量a。

c。每个样本的预测可以是 1 或 -1。它由符号（a）计算。在这个阶段我们检查分类的正确性。

如果 y*a>0 表示 y=sign(a)。换句话说，预测的分类是正确的，我们继续下一个样本。

如果 y*a

【讨论】：