了解Perceptron训练算法

Question

以下文字来自HalDaumé三世的"A Course in Machine Learning"在线教科书（第41页）。

据我所知，D =输入向量的大小。

（1）这是什么样的Perceptron算法？二级/多级？在线/离线？

（2）这里y是什么？偏压/重量/样品/ class_label？

（3）测试ya<=0更新权重的基本原理是什么？

EDIT。

y是class_label。

Answer 1

您的问题的答案：

1 - 这是一个二元感知器算法，可以在离线批处理中工作。

你写的

2 - - Y是标签矢量。每个标签可以是1或-1。

3 - 如果y * a <= 0，则测试是否合理，以检查感知器是否正确分类了某个样本。如果不是 - 感知器的权重被修改。

关于第3个问题的更多信息

感知器算法背后的想法如下：

一个。我们迭代样本MaxIter次。

湾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。结果将分配到变量a。

中

℃。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，则表示y =符号（a）。换句话说，预测的分类是正确的，我们继续下一个样本。

但是，如果y * a <= 0，则意味着感知器无法预测正确的标签。在这种情况下，算法会改变感知器的权重，使它们与我们未能分类的样本更加兼容。