野生C++程序员

写在前面： 在友人的推荐下，开始入李航老师的坑，《统计学习方法》。 读到第二章，感知机，李航老师由浅入深让我有了很好的理解，现在自己总结一下思路。 正文：  感知机用于二分类问题，由浅开始：假定我们有一个平面上存在许许多多的蓝色点和红色点，并且假设存在一条直线可以将蓝红两色的点分隔在直线两侧（即书中所说的数据线性可分）。我们如何找到一条这样的直线y=wx+b呢？ 同理：将这个问题推广到n...

这一部分说说自己看感知机学习算法的对偶形式的理解。 引用知乎用户的回答，这里搞清楚两件事情。自己看书的第一个疑惑是为什么,这其中的ni是从何而来呢？后来发现忽略一个点就是“对于一个多次被误分类的点”，也就是某个数据被使用了多次，因此出现ni这个参数。 第二个就是对于李航老师说的“实例点更新次数越多，意味着它距离分离超平面越近，也就越难正确分类。  这句话开始很难理解，后来知乎中的回答很好的...