感知机 - 对偶形式

对偶形式的基本思想:
将w和b表示为样本(书中术语为实例)xix_ixi​和标记和标记和标记yiy_iyi​的线性组合形式,通过求解其系数而求得w和b

但变形之后的感知机就从参数学习算法变成了非参数学习算法。因为它的算法模型中还要用到训练数据集X和y

模型

f(x)=sign(∑j=1majyjxj⋅x+b)sign(x)={+1,x≥0−1,x<0f(x) = sign(\sum_{j=1}^m a_jy_jx_j \cdot x + b) \\ sign(x) = \begin{cases} +1, && x \ge 0 \\ -1, && x \lt 0 \end{cases} f(x)=sign(j=1∑m​aj​yj​xj​⋅x+b)sign(x)={+1,−1,​​x≥0x<0​
其中,m为样本数,n为样本的特征数

策略

感知机的损失函数是一个经验风险函数:
L(w,b)=−∑xi∈Myi(∑j=1majyjxj⋅xi+b)L(w, b) = - \sum_{x_i \in M}y_i (\sum_{j=1}^m a_jy_jx_j \cdot x_i + b) L(w,b)=−xi​∈M∑​yi​(j=1∑m​aj​yj​xj​⋅xi​+b)
其中M是误分类点的集合

感知机的学习策略是从假设空间中选取使损失函数最小的模型参数a, b

算法

学习模型的具体方法
感知机对偶形式使用随机梯度下降法
{anew=aold+ηbnew=bold+ηyi(4)\begin{cases} a_{new} = a_{old} + \eta \\ b_{new} = b_{old} + \eta y_i \end{cases} \tag {4} {anew​=aold​+ηbnew​=bold​+ηyi​​(4)

第2章 感知机 - 对偶形式相关推荐

  1. 复现经典:《统计学习方法》第 2 章 感知机

    本文是李航老师的<统计学习方法>[1]一书的代码复现. 作者:黄海广[2] 备注:代码都可以在github[3]中下载. 我将陆续将代码发布在公众号"机器学习初学者", ...

  2. 机器学习理论《统计学习方法》学习笔记:第二章 感知机

    <统计学习方法>学习笔记:第二章 感知机 2 感知机 2.1 感知机模型 2.2 感知机学习策略 2.2.1 数据的线性可分性 2.2.2 感知机学习策略 2.3 感知机学习算法 2.3. ...

  3. 李航 统计学习方法 第2章 感知机

    第2章 感知机 介绍感知机模型, 叙述感知机的学习策略, 特别是损失函数; 最后介绍感知机学习算法,包括原始形式和对偶形式, 证明算法的收敛性. 感知机模型 f ( x ) = s i g n ( w ...

  4. 统计学习方法笔记第二章-感知机

    统计学习方法笔记第二章-感知机 2.1 感知机模型 2.2感知机学习策略 2.2.1数据集的线性可分型 2.2.2感知机学习策略 2.3感知机学习算法 2.3.1感知机算法的原始形式 2.3.2算法的 ...

  5. 《统计学习方法》—— 感知机原始形式、感知机对偶形式的python3代码实现(三)

    前言 在前两篇博客里面,我们分别介绍了感知机的原始形式和感知机的对偶形式.在这篇博客里面,我们将用python3对上述两种感知机算法进行实现. 注意:本文参考了@akirameiao的博客内容.数据放 ...

  6. 《人工智能》机器学习 - 第6章感知机模型(一 理论讲解)

    6.1引言 PLA全称是Perceptron Linear Algorithm,即线性感知机算法,属于一种最简单的感知机(Perceptron)模型.感知机(perceptron)是二分类的线性分类模 ...

  7. 统计机器学习第二章 感知机

    对于线性方程w*x+b = 0 对应于空间的一个超平面S,其中w是超平面的法向量,b是超平面的截距.超平面将空间划分为两个部分,位于平面两边的点分属于正负两类. 前提:数据线性可分,可以找的一个超平面 ...

  8. 【统计学习方法笔记】——第二章 感知机

    目录 前言 一.感知机模型 1.1 定义 1.2 几何解释 二. 感知机学习策略 2.1 数据集的线性可分 2.2 感知机学习策略 三.感知机学习算法 3.1 感知机学习算法的原始形式 3.2 算法的 ...

  9. 【统计学习|书籍阅读】第二章 感知机 p25-p35

    文章目录 思路 感知机 感知机学习策略 感知机学习算法 感知机的原始形式 感知机的对偶形式 收敛性 思路 感知器对应于输入空间中将实例划分为正负两类的分离超平面,属于判别模型,感知机学习旨在求出将训练 ...

最新文章

  1. eclipse 和 google拼音输入法冲突问题
  2. 【LVS】负载均衡集群
  3. 云计算和大数据时代网络技术揭秘(六)LISP协议
  4. 信息安全系统设计基础实验四:外设驱动程序设计 20145222黄亚奇 20145213祁玮
  5. 【Linux】一步一步学Linux——set命令(222)
  6. 文献学习(part41)--Locality constraint distance metric learning for traffic congestion detection
  7. VS在win32平台与mysql链接_visual C++如何与MySQL在windows下建立连接
  8. qcap 教程_高通平台抓取ramdump及使用qcap解析,ramdumpqcap
  9. 关于SNIP NTRIP Caster学习笔记
  10. 微软官网操作系统下载方法
  11. 轩辕传奇场景优化笔记
  12. CSS外边距塌陷问题,吊打面试官
  13. JAVA基础第三章 面向对象进阶--多态等
  14. stm32L1151用cube配置ADC
  15. Web前端:JS社区推荐的最佳JavaScript框架
  16. 高通烧录软件QPST的介绍和使用方法
  17. 关于初始化数据库时报错及解决办法(常见故障整理)
  18. 网游微端化也就是人性化
  19. GPFS无法写入大文件
  20. shell 字体颜色代码

热门文章

  1. android AMS学习(一)
  2. HDU - 1686 Oulipo
  3. android友盟埋点,React Native 的友盟统计--打点/埋点
  4. (No operations allowed after connection closed.).Possibly consider using a shorter maxLifetime value
  5. CSS 实现倒三角形
  6. java 利用飞信,Java利用飞信API给自己或者好友发信息
  7. java八大数据类型_java的八大基本数据类型分别是什么?
  8. 奥鹏教师计算机培训总结,奥鹏信息技术应用能力提升培训总结交流
  9. WinEdt, eso-pic.sty not found
  10. 阿里十年经验输出,大数据平台“数加”的前世今生