Algorithm 一个感知器学习实例的验证

我试图通过一位教授的例子来理解这个问题。这是我的理解。有人能检查一下我的理解是否正确吗

假设我有输入

x1 x2结果（y）

13+1

-1-2-1

1-11

-2 1-1

现在我使用下面的算法来获得权重

w0=0

---

1） y1（w0x1）看起来你所做的是正确的，但是有很多评论：

您首先声明w0=0。这没有多大意义，因为您稍后将其添加到维度2的向量中。我猜你的意思是w0=[0,0]

供参考：

更通用的感知器学习算法不会添加/减去错误分类的实例，而是对缩放版本乘以一些0<α进行添加/减去≤ 1.上面的算法使用α=1

这是常见的人为前置到感知器输入，一个常数1项。因此，如果原始输入是维度2的向量，您将处理维度3的向量，其中每个向量的第一项是1

---

是的，w0=[0,0]，在这个过程中，我们是找到每个数据集的权重，还是找到所有数据集的公共权重。例如：在上面的示例中，如果我计算权重[3，-1]是否适用于所有数据集，想法是迭代更新权重：w0，w1，w2。。。每个样本一个（就像你做的那样）。请注意，您不一定只在数据集上迭代一次（特别是，如果学习率小于1）。您返回最新的wn作为最终答案。好的，得到了它，因此输出将只有一个权重，而不是我在上面的迭代中所做的权重组合，正如在上面的迭代中我所做的那样，虽然权重将是[1,3][3，-1][5，-2]等等。你有什么链接可以让我用例子来学习这个问题吗。因为我提供的大多数材料都是数学的，但没有例子。也许可以试试？@asj177因为你看起来比较新，请注意，如果一个答案解决了你的问题，你可以接受或投票。