Perceptron 알고리즘을 사용하여 모든 반복 전에 데이터를 바꾸지 않는 경우가 있습니까?

Question

내 기계 학습 교과서에서이 문제를 묻고 퍼셉트론 알고리즘에 대해 논의합니다. 실제로 만족스러운 답을 찾을 수 없습니다.

어떤 경우인가요?

Answer 1

전역 적으로 최적의 해를 갖지 않는 반복 학습 알고리즘과 마찬가지로, 퍼셉트론 알고리즘은 출발점에서 국부 최적 솔루션으로 수렴 할 것입니다. 이것은 일반적으로 초기 데이터가 이후 데이터보다 더 큰 영향을 미친다는 것을 의미합니다.

퍼셉트론 알고리즘의 대부분의 응용 프로그램에서는 훈련 데이터를 여러 번 적용하여 이러한 편향을 제거하려고합니다.

일부 응용 프로그램에서는 이러한 편향이 학습 문제의 일부이므로 순서가 중요하며 무작위 화가없는 경우 최종 결과가 더 좋습니다.