•図解。
x
y
学習の仕組み
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
Slide 61
Slide 61 text
•図解。
x
y
学習の仕組み
最初は重みベクトルはまったくわからないので
とりあえずランダムに決めておく
w
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
Slide 62
Slide 62 text
x
y
学習の仕組み
x
1つ目の学習データから抽出した
素性がこの辺だったとする。
この素性の正解ラベルは”1”。
w
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
Slide 63
Slide 63 text
x
y
学習の仕組み
x
この素性を識別関数に通すと、wとx
の内積は正なので”1”が返ってくる。
w
w
·
x
0
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
Slide 64
Slide 64 text
x
y
学習の仕組み
x
よって正解ラベルと識別関数が返し
たラベルが一致しているので重みの
更新はしない。
w
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
Slide 65
Slide 65 text
x
y
学習の仕組み
y
次に2つ目の学習データから素性を
抽出するとこの辺だった。
この素性の正解ラベルも”1”。
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
Slide 66
Slide 66 text
x
y
学習の仕組み
y
この素性を識別関数に通すとwとy
の内積は負なので”-1”が返ってく
る。
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
w · y 0
Slide 67
Slide 67 text
※
x
y
学習の仕組み
y
正解ラベルと識別関数のラベルが異
なるので以下の式で重みを更新す
る!
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w + y
w = w + lyy
ly はデータyの正解ラベル。
この場合は1。
w
Slide 68
Slide 68 text
x
y
学習の仕組み
すると線がこんな風に回転。
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
Slide 69
Slide 69 text
x
y
学習の仕組み
これでxもyも正しく識別できた状
態の線になった。
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
y
x
Slide 70
Slide 70 text
x
y
学習の仕組み
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
次に3つ目の学習データから素性を
抽出するとこの辺だった。
この素性の正解ラベルは”-1”。
z
Slide 71
Slide 71 text
x
y
学習の仕組み
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
z
この素性を識別関数に通すとwとz
の内積は正なので”1”が返ってく
る。
w · z 0
Slide 72
Slide 72 text
x
y
学習の仕組み
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w - z
z
※
正解ラベルと識別関数のラベルが異
なるので再度以下の式で重みを更新
する!
はデータzの正解ラベル。
この場合は-1。
w = w + lzz
lz
w
Slide 73
Slide 73 text
x
y
学習の仕組み
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
すると線がこんな風に回転。
Slide 74
Slide 74 text
x
y
学習の仕組み
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
これを学習データが無くなるまで繰
り返していくと...
Slide 75
Slide 75 text
x
y
学習の仕組み
•図解。
※簡単のためにここでは識別関数 f(x) は以下の値を返すものとする。
・内積が正であれば1
・内積が負であれば-1
w
最終的には良い感じの線になって
る。この線(すなわち重み)を使って
未知のデータXやYを分類していく。