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。
