Deep Learning - Perceptron Learning Algorithm
Perceptron Learning Algorithm, PLA
透過 PLA 找到一條直線,分開 positive 和 negative examples
也就是找到一條
更新直線方法:
當 y 不等於 ŷ 時,更新 w 和 b,否則不更新
Sign Function
這裡的 sign function 是 activaction function
可以參考我的筆記 Deep Learning - Activation Function
當 n 大於 0 時,sign(n) = 1
當 n 小於 0 時,sign(n) = -1
Example
Example | x1 | x2 | Class |
---|---|---|---|
1 | 1 | 0 | -1 |
2 | 1 | 1 | 1 |
3 | -1 | -1 | -1 |
Perform PLA’s first epoch
做一個世代,每一個 example 都要更新一次
Example 1
將 Example 1 帶入
因此須更新 w
Example 2
將 Example 2 帶入
用 Example 1 更新的 w 來計算
因此須更新 w
Example 3
將 Example 3 帶入
用 Example 2 更新的 w 來計算
因此不須更新 w
此時第一個世代更新完畢
Problem
PLA 只能處理線性可分割的問題
線性不可分割例子:
Reference
- Hundred-Page Machine learning Book by A. Burkov
- 記筆記順便練習
語法 語法筆記