什么是感知器学习算法(Perceptron Learning Algorithm/PLA)?

1.
怎么确定问题【假设的集合Hypothesis Set】？
曰：权衡
允许范围：权重w (weighted)  X  特征值x   >  临界值
拒绝范围：权重w (weighted)  X  特征值x   <  临界值

 

2.
怎么去模型化感知器？
曰：sign函数的妙用【当x>0，sign(x)=1;当x=0，sign(x)=0; 当x<0， sign(x)=-1】，此公式由问题1中的公式推导而出

 

3.
threshold这个变量看起来别扭怎么办？
曰：合并哦，想象一个矩阵，矩阵的x轴是Xi, y轴是Wi, 在原有矩阵的基础上添加一行一列，即X0和w0，X0= X0=+1，Y0=W0=-threshold。

 

4.
如果有两个变量X1，X2的话，放在平面是什么样【h(x) = sign(w 0 + w 1 x 1 + w 2 x 2 )】？
曰：w 0 + w 1 x 1 + w 2 x 2 = 0 像不像一条直线，把篮O和红X分割开

   

5.
怎么去准确的找那条线？
曰：从连接两个点开始喽，小学生都知道，两点确定一条直线嘛

 

6.
这明显不对，根本没可能分割开篮O和红X！咋办？
曰：修正这条线啦，看我的昂
如果你看见两个圈，那么分割线一定不能将他俩分开，需要的是蓝线L0，垂直于L0的线是哪条？L1。那么好办了，W+X即可得到L1。同理一个圈一个叉，直接就是L1，不过此时需呀W-X得到。

 

7.
PLA解决不了什么？
曰：解决不了的多着呢

 

8.

那这种情况总能解决吧？

 

曰：看起来有点瑕疵，不过算是次优的解了，可以通过贪心算法来解决，要不然就变成一个P/NP问题啦