机器学习之感知机学习笔记第一篇:求输入空间R中任意一点X0到超平面S的距离
来源:互联网 发布:自学软件编程 编辑:程序博客网 时间:2024/05/21 10:45
我的学习资料是“统计学习方法”,作者是李航老师,这本书很著名,百度有很多关于它的PDF。
作为学习笔记,就说明我还是属于学习中,所以,这个分类中我暂时不打算讨论详细的算法,这个分类会讲到我在学习遇到的问题和我自己解决这些问题的思路。
今天这个问题(见题目)是在学习李航老师2.2.2节·感知机学习策略中遇到的,上网百度一下没有找到答案,后来去图书馆去借有关几何的书来看,也没有找到有关的内容,吃完晚饭忽然想到了这个方法,然后便有了这一篇文章
首先,我们先定义
:
图一
图二
然后再讨论这个关于X0到超平面距离的问题:
为了解决这个问题,我们先来复习一下高数的有关知识:
图三
图四
到此,我们就可以讨论这个问题了:
为了便于讨论,假设w·x+b=0中x的元素个数为3(用归纳法可以推广到元素为N的情况)
我们把图三图四的标识方法换成李航老师书中的表示方法:
我们把法向量N{A,B,C}换成W={W1,W2,W3},
我们把P0={x,y,z}换成XO={X10,X20,X30},
我们把P1={X1,X2,X3}换成X1={X11,X21,X31}
我们把D换成b
然后,
按照图三图四中的推导,我们不难得出以下结论:
2 0
- 机器学习之感知机学习笔记第一篇:求输入空间R中任意一点X0到超平面S的距离
- 任意一点X0到超平面S的距离以及拉格朗日乘子法(Lagrange Multiplier) 和KKT条件
- 关于感知学习模型机中空间任一点到超平面的距离公式的推导过程
- 关于感知学习模型机中空间任一点到超平面的距离公式的推导过程
- 关于感知学习模型机中空间任一点到超平面的距离公式的推导过程
- 【机器学习】感知机的一点理解
- 《PCL点云库学习&VS2010(X64)》Part 30 空间中求一点到两点所构成的直线的距离
- 笔记-感知机、超平面
- 机器学习-感知机笔记
- 机器学习中的超平面
- 机器学习中的超平面
- 机器学习之感知机
- 机器学习之感知机
- 【ML学习笔记】5:机器学习中的数学基础5(张量,哈达玛积,生成子空间,超平面,范数)
- 【C\C++】空间中求一点到两点所构成的直线的距离
- 机器学习学习笔记3---感知机
- 机器学习算法笔记之2:感知机
- 机器学习基石笔记-感知机
- gdb重置工程根目录
- Android写入文件到sdcard中
- 学习杂记(三)c语言
- Java——对象初始化顺序
- MTK QT Linux flashtool试用总结
- 机器学习之感知机学习笔记第一篇:求输入空间R中任意一点X0到超平面S的距离
- struts2框架校验文件配置提示The content of element type "validators" must match "(validator)+".
- DDS-正弦-Modelsim和MATLAB
- MTK6577+Android之Camera驱动) ~% d
- Binder学习笔记
- 设计模式-状态模式
- 用两个栈实现队列
- Pixhawk原生固件PX4之日期时间的确定
- Spring Aop解析自定义注解