统计学习方法:感知机模型例题
1. 感知机学习算法的原始形式
2. 例题
例2.1 如图2.2所示的训练数据集,其正实例点是x1=(3,3)T,x2=(4,3)T,负实例点是x3=(1,1)T,试用感知机学习算法的原始形式求感知机模型f(x)=sign(w·x+b)。这里,w=(w(1),w(2))T,x=(x(1),x(2))T。
3. 线性可分数据集感知机学习算法原始形式收敛性证明
现在证明,对于线性可分数据集感知机学习算法原始形式收敛,即经过有限次迭代可以得到一个将训练数据集完全正确划分的分离超平面及感知机模型。
4. 感知机学习算法的对偶形式
5. 例题
例2.2 数据同例2.1,正样本点是x1=(3,3)T,x2=(4,3)T,负样本点是x3=(1,1)T,试用感知机学习算法对偶形式求感知机模型。