我无法理解感知器的权重更新规则:
w(t + 1) = w(t) + y(t)x(t).
假设我们有一个线性可分离的数据集。
在迭代 t 时,其中 t = 0, 1, 2, ...,
为什么这个更新规则会将边界向正确的方向移动?
感知器的输出是实例和权重之间点积的硬限制。让我们看看更新后情况有何变化。自从
w(t + 1) = w(t) + y(t)x(t),
然后
x(t) ⋅ w(t + 1) = x(t) ⋅ w(t) + x(t) ⋅ (y(t) x(t)) = x(t) ⋅ w(t) + y(t) [x(t) ⋅ x(t))].
请注意:
这如何相对于 x(t) 移动边界?