如何解决感知器-统计一致性
如果训练集是线性可分离的,那么Perceptron会找到风险/损失最终为0的线性分类器。但是,如果我们认为数据是可分离的,但事实却并非如此,该怎么办。在这种情况下,如果我们让Perceptron在这样的数据上运行,并且示例数变为无穷大,那么误差值是否会在这样的限制下变为0?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。