我试图通过教授提供的示例来理解感知器学习算法。这是我的理解。我的理解正确吗？
可以说我有输入
x1 x2结果（y）
1 3 +1
-1 -2 -1
1 -1 1
-2 1 -1
现在我使用下面的算法来获得权重
w0 = 0
1）y1（w0x1）<= 0
因此w1 = w0 + y1 * x1 = [1,3]
2）y2（w1，x2）<= 0
因此w2 = w1 + y2 * x2 = [3，-1]
3）y3（w2，x2）> = 0
因此没有迭代
4）y4（w2，x4）<= 0
因此w3 = w2 + y4 * x4 = [5，-2]
因此，现在我的体重是
x1 x2结果（y）权重
1 3 +1 [1,3]
-1 -2 -1 [3，-1]
1 -1 1 [3，-1]
-2 1 -1 [5,2]
我的理解是对的吗？还是我在进行权重选择时犯了错误？
看来您所做的是正确的，但是有很多评论：
您声明，最初，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。我猜测您的意思是w0 = [0，0]。
供参考：
更为通用的感知器学习算法不会加/减错误分类的实例，而是对缩放版本乘以0 <α≤1进行缩放。您的上述算法使用α= 1。
通常人为地添加感知器输入（常数为1项）。因此，如果原始输入是2维向量，则需要处理3维向量，其中每个向量的第一项是1。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句