【ML模型詳細推導3】- 感知機
阿新 • • 發佈:2018-11-26
感知機
1. 一句話介紹感知機
· 一個二分類的線性分類模型。
· 感知機學習旨在求出將訓練集資料進行線性劃分的分類超平面,匯入基於誤分類的損失函式,利用梯度下降法對損失函式進行極小化,求得模型。
· 分為原始形式和對偶形式。
2. 模型介紹(原始形式)
前提:資料集要求線性可分性
- 模型:
- 損失函式(學習策略)
損失函式,誤分類點到超平面的“函式間隔”和:
其中,
為誤分類的集合。
函式間隔待了解
(Q1:什麼是函式間隔,和幾何間隔的區別)
- 隨機梯度下降(學習演算法)
隨機梯度下降法,最小化損失函式
梯度:
隨機選取一個數據點
,判斷其是否誤分類,也就是判斷
與否
若
,對
進行更新:
其中,
為學習率。
感知機學習演算法是誤分類驅動的,這樣,因為資料線性可分,通過迭代可以直至訓練集中沒有誤分類點。
3. 感知機的對偶形式
- 模型:
將訓練集
全部代入進行隨機下降,若第 i 個樣本用的次數為
,則最後訓練出的
和
:
將
和
帶入感知機原始形式得對偶形式: