《统计学习方法》学习笔记——感知机数学推导
1.什么是感知机
感知机是二类分类的线性模型。
2.核心思想
找一个超平面，把正例和负例分开。
我们可以用
来表示这个超平面。（w=(x1,x2,x3,…)为法向量，决定了超平面的方向；b为截距，决定了超平面与原点的距离）
我们把决策函数定义为：
当wx+b>=0时，f(x)=+1，样本被分为正类；
当wx+b<0时，f(x)=-1，样本被分为负类。
3.如何找到这样的超平面
为了找出这样一种超平面，需要确定一种学习策略，即定义损失函数并将其最小化。
一种思路是让误分类的点总数降到最小，但是这样的损失函数不是参数w,b的连续可导函数，不易优化。
所以我们采用另外一种思路，让误分类点到超平面的距离之和最小。
首先，我们要求出每一个点X(x0,y0)到超平面wx+b=0的距离，距离的推导如下。
绝对值符号看起来十分影响我们求解，得想办法把他拿掉。对于一个正类点，即wx+b>=0的点来说，如果他被错误分类了，即预测值y=-1；对于负类点，y=+1。
所以最终把他们相乘，得到的肯定是负数，加个负号：
d=-y*(wx+b)/||w||。
然后，损失函数可以写成：
损失函数L(w,b)已经有了，接下来我们要做的就是找到合适的模型参数w,b使L(w,b)的值降到最小。这里我们采用的方法是梯度下降法。
4.梯度下降法直观理解
假设我们在一座山上，想要以最快的速度下山，我们通常会走一步算一步，每次沿着最陡峭的路向下走。即每次沿着梯度最大的方向移动一个步长，一直走到我们觉得已经是最低处的地方，虽然这个地方可能只是一个局部的最低处。
因此，从上面的解释来看，梯度下降法找到的解只是局部最优解，非全局最优解。
接下来 ，我们来推导详细的算法：
是不是很清晰，注意，这里的w是一个向量，分解开来就是对每一个特征做梯度下降。
5.两种梯度下降法
这里要介绍三种不同的梯度下降算法。
- 批量梯度下降法（Batch Gradient Descent）
再更新模型参数时用到所有的样本，上图中演示的即为BGD算法。 - 随机梯度下降法（Stochastic Gradient Descent）
再更新模型参数时只用到k个样本(k一般大于1，极端情况下k可以取1),《统计学习方法》书中所给的样例就是SGD算法。
对两者的比较：
BGD的优点是能保证每次能以一种全局最优的方式更新模型参数，缺点很容易能看出来，每次要用到所有的样本点，比较慢；
SGD的优点是每次只用一批样本点来更新参数，速度很快，缺点是不一定每次都沿着最优方向下降；