Следующий текст из текстового учебника онлайн-книги Hal Daumé III "A Course in Machine Learning" (Страница-41).Понимание алгоритма обучения Perceptron
Я понимаю, что, D = размер входного вектора.
(1) Что это за алгоритм Перцептрона? Binary/Multi-класс? Online/Offline?
(2) Что такое y? Уклон/вес/образец/class_label?
(3) Что является обоснованием тестирования ya<=0 для обновления весов?
EDIT.
y is class_label.
Ответы на вопросы:
1 - Это алгоритм двоичного персептрона, работающее на автономной партии.
2 - как вы писали - Y - вектор меток. каждая метка может быть либо 1, либо -1.
3 - Рациональное тестирование, если y * a < = 0 - проверить, правильно ли персептрон классифицировал определенный образец. Если нет - веса персептрона изменяются.
Немного больше о 3-й вопрос
Идея алгоритма персептрона выглядит следующим образом:
а. мы перебираем образцы MaxIter раз.
b. Персептрон классифицирует каждый образец, умножая его на вектор весов W и добавляя смещение b. Результат присваивается переменной a.
c. Прогноз для каждого образца может быть либо 1, либо -1. Он вычисляется знаком (а). На этом этапе мы проверяем правильность классификации.
если y * a> 0, это означает, что y = знак (a). Другими словами, предсказанная классификация правильная, и мы переходим к следующему образцу.
Если, однако, y * a < = 0, это означает, что персептрон не смог предсказать правильную метку. В этом случае алгоритм изменяет вес персептрона таким образом, что они будут более совместимы с образцом, который мы не смогли классифицировать.
Вы продолжаете расширять сферу действия вопроса, делая устаревшие ответы устаревшими. Не сказать, что это не разрешено, но вам может быть лучше задавать несколько вопросов. Например, ваш четвертый вопрос, который вы добавили через некоторое время после того, как я отправил ответ, может быть автономным вопросом. – ilim
Этот вопрос относится к http://stats.stackexchange.com/ aka cross validated. – Oleg
Не отрицайте свое сообщение. – excaza