吴恩达教授机器学习课程笔记【八】- Part 8 感知器和大间隔分类器(在线学习感知器算法错分类次数上界及其证明)
本节为吴恩达教授机器学习课程笔记第八部分,讲义标题感知器与大间隔分类器,实际上该部分只讲了在线学习的感知器算法错分类的次数上界及其证明,也是学习理论的一部分。
本节主要考虑在线学习的问题,即算法在进行预测的同时也在不断进行学习。假定按顺序给出的一系列样本(x(1),y(1)),(x(2),y(2)),....,(x(m),y(m))(x^{(1)},y^{(1)}),(x^{(2)},y^{(2)}),....,(x^{(m)},y^{(m)})(x(1),y(1)),(x(2),y(2)),....,(x(m),y(m)),算法首先接收x(1)x^{(1)}x(1),然后预测它认为的y(1)y^{(1)}y(1),之后把y(1)y^{(1)}y(1)的真实值输入算法,算法可以利用这个信息进行学习,之后算法输入x(2)x^{(2)}x(2),重复上面的过程直至所有样本都输入完。我们将重点关注这个在线学习的过程中算法累计的误差,下面的讨论将给出感知器算法的在线学习的误差边界。
为了简化问题讨论,我们假定类别标签y=∈{−1,1}y = \in \{-1,1\}y=∈{−1,1},对于感知器算法,有:
其中:
给定训练样本(x,y)(x,y)(x,y),感知器学习规则按如下的方式更新参数:如果hθ(x)=yh_{\theta}(x)=yhθ(x)=y,那么无需更新;否则:
下面的定理就给出了感知器算法在线学习的误差边界,注意这个界和样本的数量mmm以及特征的维度nnn是没有关系的:
下面对这个定理进行证明,感知器仅对于错分样本更新权重,假定θ(k)\theta^{(k)}θ(k)是第k次错分时的权重,有θ(1)=0→\theta^{(1)}=\overrightarrow 0θ(1)=0,如果第kkk次错分是在样本(x(i),y(i))(x^{(i)},y^{(i)})(x(i),y(i))上发生的,那么:
就表明:
根据感知器学习法则,我们有θ(k+1)=θ(k)+y(i)x(i)\theta^{(k+1)}=\theta^{(k)}+y^{(i)}x^{(i)}θ(k+1)=θ(k)+y(i)x(i),则:
通过简单归纳,有:
同时有:
简单的归纳有:
综合来看,即:
证得:
也就是说在线学习的感知器算法在定理给定的数据集上工作,那么错分类的次数必然有一个和样本数量与特征维数无关的上界。
欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]
吴恩达教授机器学习课程笔记【八】- Part 8 感知器和大间隔分类器(在线学习感知器算法错分类次数上界及其证明)相关推荐
- 吴恩达《机器学习》笔记汇总
根据学习进度,将课程分为15部分进行笔记,具体内容如下: 吴恩达机器学习(一)-- 简介 吴恩达机器学习(二)-- 线性回归 吴恩达机器学习(三)-- Logisitic回归 吴恩达机器学习(四)-- ...
- 吴恩达《机器学习》笔记(一)【线性回归梯度下降法】
通过在网易云课堂学习吴恩达先生的<机器学习>课程,为了巩固自己的学习且方便读者们共同交流学习,特此做此学习笔记,希望与大家共勉. 吴恩达<机器学习>课程链接:https://s ...
- 【机器学习 吴恩达】CS229课程笔记notes3翻译-Part V支持向量机
CS229 课程笔记 吴恩达 Part V 支持向量机 这部分展现了支持向量机(SVM)学习算法.SVM是最好的监督学习算法之一.为了讲述SVM,我们需要首先谈论边界和用大的间隔分离数据.接下来,我们 ...
- 【AI】吴恩达斯坦福机器学习中文笔记汇总
1.吴恩达机器学习和深度学习课程的字幕翻译以及笔记整理参见: 以黄海广博士为首的一群机器学习爱好者发起的公益性质项目(http://www.ai-start.com). 2.黄海广博士公益项目介绍 h ...
- 【机器学习 吴恩达】2022课程笔记(持续更新)
一.机器学习 1.1 机器学习定义 计算机程序从经验E中学习,解决某一任务T,进行某一性能P,通过P测定在T上的表现因经验E而提高 eg:跳棋程序 E: 程序自身下的上万盘棋局 T: 下跳棋 P: 与 ...
- Chapter5:Octave教程:AndrewNg吴恩达《机器学习》笔记
文章目录 Chapter 5 : Octave 教程 5.1 基本操作 5.2 移动数据 5.3 计算数据 5.4 绘图数据 5.5 控制语句:for,while,if语句 5.6 向量化 5.7 工 ...
- 课程笔记|吴恩达Coursera机器学习 Week1 笔记-机器学习基础
1 1. Introduction 1.1 Supervised Learning 已知输入x以及其对应的标签y,求解 f:x→y 回归 regression:输出的结果y是一个连续的变量 y=ℝ 分 ...
- Chapter1:监督学习、无监督学习:AndrewNg吴恩达《机器学习》笔记
文章目录 Chapter 1 Introduction 1.1 Welcome 1.2 Definition 1.2.1 定义1: --from **Arthur Samuel** 1.2.2 定义2 ...
- 吴恩达《机器学习》学习笔记八——逻辑回归(多分类)代码
吴恩达<机器学习>笔记八--逻辑回归(多分类)代码 导入模块及加载数据 sigmoid函数与假设函数 代价函数 梯度下降 一对多分类 预测验证 课程链接:https://www.bilib ...
- 0.0 Introduction-机器学习笔记-斯坦福吴恩达教授
斯坦福学习笔记 本书为斯坦福吴恩达教授的在 coursera 上的机器学习公开课的知识笔记,涵盖了大部分课上涉及到的知识点和内容,因为篇幅有限,部分公式的推导没有记录在案,但推荐大家还是在草稿本上演算 ...
最新文章
- 实现2D全景图的中心视野变换
- 利用Spring的aop原理实现系统级日志管理 附带源码
- 还在做Excel分析师?HR:对不起,我们还要求会Python!
- c+还是python好-既然C+不如Java、Python,为什么还要学C+?
- 文巾解题1738. 找出第 K 大的异或坐标值
- android 筛选控件_Flutter学习六之实现一个带筛选的列表页面
- JavaScript数据类型和变量学习小记
- nobelking 3 js 数字和数字相加 字符串连接 数字和字符串连接1
- python 之Requests库学习笔记
- Java蓝桥杯--基础练习(7)特殊回文数
- 《Unix网络编程卷1:套接字联网API》读书笔记
- 去携程面试,问HR待遇如何,HR说我太看重钱,不录取我
- 微信公众号获取管理素材列表的大坑-{errcode:40004,errmsg:invalid media type hint:}
- mysql存储过程算四分位
- 学习记录646@python求解有效年利率
- NX二次开发-UFUN创建工程图注释UF_DRF_create_note
- 2017阿里校招内推面试回忆
- C和C++算法完整教程专栏完整目录
- 基于图的下一代入侵检测系统
- 联想拯救者R720如何组建双通道内存