@toc概述在原始形式中，若(x_i,y_i)为误分类点，可如下更新参数：w\leftarroww+\etay_ix_i;\quadb\leftarrowb+\etay_i假设初始值w_0=\boldsymbol0,b_0=0，对误分类点(x_i,y_i)通过上述公式更新参数，修改n_i次之后，w,b的增量分别为\alpha_iy_ix_i和\alpha_iy_i，其中\alpha_i=n_i\e
@toc概述学习问题训练数据集：T=\{(x_1,y_1),(x_2,y_2),\cdots,(x_N,y_N)\}其中，x_i\in\mathcalX\subseteq\boldsymbolR^n,y_i\in\mathcalY=\{+1,1\}损失函数：L(w,b)=\sum_{x_i\inM}y_i(w\cdotx_i+b)其中，M表示所有误分类点的集合模型参数估计：\underset{w,
@toc点到超平面距离公式的推导过程中学学过二维空间中点到直线的距离公式!在这里插入图片描述(https://s2.51cto.com/images/blog/202302/07144210_63e1f2c20953b58658.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se
@toc模型介绍输入空间：\mathcal{X}\subseteq\boldsymbolR^n输入：x=(x^{(1)},x^{(2)},\cdots,x^{(n)})^T\in\mathcal{X}输出空间：\mathcal{Y}=\{+1,1\}输出：y\in\mathcal{Y}感知机：f(x)=\text{sign}(w\cdotx+b)=\begin{cases}+1,\quadw\cd
视频作者：简博士知乎(https://www.zhihu.com/people/janneil3)；简博士的个人空间_哔哩哔哩_bilibili(https://space.bilibili.com/406882224)链接：【合集】十分钟机器学习系列视频《统计学习方法》_哔哩哔哩_bilibili(https://www.bilibili.com/video/BV1No4y1o7ac/?spm_
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
