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=0Algorithm 一个感知器学习实例的验证,algorithm,machine-learning,neural-network,perceptron,Algorithm,Machine Learning,Neural Network,Perceptron,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
1) y1(w0x1)看起来你所做的是正确的,但是有很多评论:
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。