机器学习基石 2.3 Guarantee of PLA
2017-07-14 17:35
288 查看
Linear Separability
PLA Fact wtmathbfw_t Gets More Aligned with wfmathbfw_f
PLA Fact wtmathbfw_t Does Not Grow Too Fast
Fun Time
yn=sign(wTtwn)
即
∀n∈[1,N],ynwTfxn>0
则对于在第t轮使wt犯错的那个xn(t),有
yn(t)wTfxn(t)⩾min(ynwTfxn)>0
则
这就说明了wTfwt这个内积是随着t的增大而不断增大的。
则
由上面两个结论可以推出
证明:
令R2=max(∥xn∥2),ρ=min(ynwTf∥wf∥xn)
当T=1时,
wTf∥wf∥w1∥w1∥⩾wTf(w0+min(ynxn))∥wf∥∥w0∥2‾‾‾‾‾‾‾√+max(∥ynxn∥2)=wTfmin(yn(t)xn(t))∥wf∥max(∥ynxn∥2)‾‾‾‾‾‾‾‾‾‾‾‾‾‾√=ρR=constant
假设当T=t时结论成立,当T=t+1时,
wTf∥wf∥wt+1∥wt+1∥⩾wTf(wt+min(ynxn))∥wf∥∥wt∥2‾‾‾‾‾‾√+max(∥ynxn∥2)
又因为
wTf∥wf∥wt∥wt∥⩾t√⋅ρR
设
wTfwt=kρ
则
∥wf∥∥wt∥⩽kt√R
带入易得
wTf∥wf∥wt+1∥wt+1∥⩾t+1‾‾‾‾‾√⋅ρR
得证。
PLA Fact wtmathbfw_t Gets More Aligned with wfmathbfw_f
PLA Fact wtmathbfw_t Does Not Grow Too Fast
Fun Time
1. Linear Separability
对于一个数据集,如果PLA能够停下来并且不犯错误,就称这样的为线性可分的。2.PLA Fact: wt Gets More Aligned with wf
数据集是线性可分的,等价于存在一个完美的 wf,使得yn=sign(wTtwn)
即
∀n∈[1,N],ynwTfxn>0
则对于在第t轮使wt犯错的那个xn(t),有
yn(t)wTfxn(t)⩾min(ynwTfxn)>0
则
这就说明了wTfwt这个内积是随着t的增大而不断增大的。
3.PLA Fact: wt Does Not Grow Too Fast
这个算法还有一个重要的性质就是犯错了才修正。则
由上面两个结论可以推出
证明:
令R2=max(∥xn∥2),ρ=min(ynwTf∥wf∥xn)
当T=1时,
wTf∥wf∥w1∥w1∥⩾wTf(w0+min(ynxn))∥wf∥∥w0∥2‾‾‾‾‾‾‾√+max(∥ynxn∥2)=wTfmin(yn(t)xn(t))∥wf∥max(∥ynxn∥2)‾‾‾‾‾‾‾‾‾‾‾‾‾‾√=ρR=constant
假设当T=t时结论成立,当T=t+1时,
wTf∥wf∥wt+1∥wt+1∥⩾wTf(wt+min(ynxn))∥wf∥∥wt∥2‾‾‾‾‾‾√+max(∥ynxn∥2)
又因为
wTf∥wf∥wt∥wt∥⩾t√⋅ρR
设
wTfwt=kρ
则
∥wf∥∥wt∥⩽kt√R
带入易得
wTf∥wf∥wt+1∥wt+1∥⩾t+1‾‾‾‾‾√⋅ρR
得证。
4.Fun Time
相关文章推荐
- 林轩田机器学习基石笔记2:PLA算法
- 机器学习基石-Hazard of Overfitting
- 机器学习基石学习笔记(1)-PLA
- 机器学习基石 2.4 More about PLA
- 机器学习基石 6.1 Restriction of Break Point
- 机器学习基石---第二周PLA
- 4. 机器学习基石-When can Machine Learn? - Feasible of Learning
- 机器学习基石 7.2 VC Dimension of Perceptrons
- 机器学习基石第四讲:feasibility of learning
- 机器学习基石 2.2 Perceptron Learning Algorithm (PLA)
- 【Feasibility of Learning】林轩田机器学习基石
- 林轩田-机器学习基石 课堂笔记(六)Theory of Generalzation
- 机器学习基石-02-2-PLA何时停下来?
- 机器学习基石第六讲 Theory of Generalization
- 机器学习基石-06-1-Restriction of Break Point
- 林轩田机器学习基石心得6:Theory of Generalization
- 机器学习基石PLA算法c++语言实现
- 机器学习基石—作业1(15-20题PLA编程)
- 机器学习基石-07-2-VC Dimension of Perceptrons
- 机器学习基石第一讲:PLA