421
个编辑
更改
跳到导航
跳到搜索
第173行：
第173行： − +
→收敛性
===收敛性===
===收敛性===
感知机是一种[[线性分类器]]，因此如果数据集 <math>D</math> 是非[https://en.wikipedia.org/wiki/Linearly_separable 线性可分]的话，那么它永远无法让所以的输入向量分类正确，即正负的样本不能被一个线性超平面所分割。标准算法在这种情况下时是无法逐渐达到一个近似解的，并导致学习过程会直接失效。所以，如果我们不能事先知道数据集是否是线性可分的，则应该使用下面的变种。
感知机是一种[[线性分类器]]，因此如果数据集 <math>D</math> 是非线性可分的话，那么它永远无法让所以的输入向量分类正确，即正负的样本不能被一个线性超平面所分割。标准算法在这种情况下时是无法逐渐达到一个近似解的，并导致学习过程会直接失效。所以，如果我们不能事先知道数据集是否是线性可分的，则应该使用下面的变种。
如果训练集是线性可分的，那么感知机可以确保其收敛性。此外，感知机在训练过程中调整自身权重的次数是有上限的。
如果训练集是线性可分的，那么感知机可以确保其收敛性。此外，感知机在训练过程中调整自身权重的次数是有上限的。