2. Lecture 02 感知机 0-1 分类问题

• 2.1. Perceptron 假设空间
  • 2.1.1. 感知机的基本思想
    • 2.1.1.1. 生活中评价事物的一般方法
    • 2.1.1.2. 信用卡审核是否通过
  • 2.1.2. 感知机假设函数的基本形式
  • 2.1.3. 假设函数的几何意义
• 2.2. Perceptron Learning Algorithm
  • 2.2.1. 设计感知机学习算法面临的困难
    • 2.2.1.1. 感知机学习算法的目标
    • 2.2.1.2. 困难
  • 2.2.2. 感知机学习算法的步骤
    • 2.2.2.1. 步骤
  • 2.2.3. PLA 疑问
• 2.3. 感知机学习算法PLA有效性前提
  • 2.3.1. PLA 终止的前提条件
  • 2.3.2. PLA 迭代次数估计
    • 2.3.2.1. 符号说明
    • 2.3.2.2. \(w_{t}\)和\(w_{f}\)内积
    • 2.3.2.3. \(w_{t}\) 范数上限估计
    • 2.3.2.4. \(w_{t}\)和\(w_{f}\)夹角
    • 2.3.2.5. 迭代次数上限估计
• 2.4. 感知机如何处理非线性可分集
  • 2.4.1. PLA 实际使用时可能存在问题
  • 2.4.2. 度量超平面是否符合要求的标准
  • 2.4.3. pocket algorithm
• 2.5. 小结
  • 2.5.1. 概要
  • 2.5.2. 感知机是什么
  • 2.5.3. PLA
  • 2.5.4. PLA 收敛性前提条件
  • 2.5.5. 非线性可分集合 pocket algorithm
  • 2.5.6. 未涵盖内容