我正在研究感知学习,并通过以下链接(https://www.cse.iitb.ac.in/~shivaram/teaching/cs344+386-s2017/resources/classnote-1.pdf)学习算法的收敛性证明:如图所示的假设1(线性可分性)。我不知道为什么 ||w*||=1 或者为什么这个条件是必要的,你能帮我理解吗?谢谢!
最佳答案
规范假设只是为了简化分析,很容易证明该假设不是必需的,因为放弃它实际上意味着它。
假设存在 w (||w|| = Z > 0), gamma>0 这样
yi(<w, xi>) > gamma
然后对于相同的 Gamma :
yi(<Zw/||w||, xi>) > gamma
因此
|Z| yi(<w/||w||, xi>) > gamma
所以对于 w* = w/||w|| (所以 ||w*||=1),并且 gamma* = gamma/|Z| > 0
yi(<w*, xi>) > gamma*
得出的结论是,如果存在任何 w(具有任意范数 Z)和 gamma,则也存在具有范数 1 的 w*(并且我们只需将原始 gamma 除以 Z)和 gamma*=gamma/Z.
这样做的唯一原因是使证明中的常数更简单,但假设本身是多余的。
关于algorithm - 感知器学习算法 : convergence proof for the algorithm, 为什么 ||w*||等于 1 还是这个条件是必要的?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44224553/