2.learning to answer yes/no【{-1，1}二分类】
示例：如何构造一个二分类的线性分类器。
内容如下：
2.1 感知机的假设集H（hypothesis set）
假设集中存在非常多个预测函数，“perceptron”预测函数是其中的一种，我们选择“perceptron”函数作为其中下面示例的预测函数，“perceptron”预测函数的数学表达形式如下：
“perceptron”预测函数的数学形式可以向量化为如下形式：
注意区别直线方程和“perceptron”预测函数，直线方程为 WTX=0，“perceptron”预测函数h(x)=sign(WTX)。有时候简略讲直线就是感知机预测函数，这其实是不准确的。感知机应该包括“在直线右边，分为正类；在直线左边，分为负类”这一层信息，所以感知机为h(x)=sign(WTX)，该感知机也称为一个二分类器，由于WTX=0为线性函数，所以也是一个"线性"分类器。
“perceptron”预测函数应用于拥有两维特征的数据中，也就是在二维空间中将数据分开，可视化如下所示，直线将平面分为两部分，蓝色部分为预测函数判断的{+1}类，红色部分为预测函数判断的{-1}类，（如果是在高维空间中， “perceptron”预测函数则是一个超平面分类器）。如果所有可能的直线有{line1,line2,...linen}，那么假设集为H(x)={sign(line1),sign(line2),...sign(linen)}，假设集就是空间内所有可能的直线代表的分类器的集合。
2.2 感知学习算法（Perception Learning Algotirhm：PLA）
由于H(x)假设集中有几乎无数个"perceptron"预测函数，简单讲就是平面中将样本分为两类的直线有无数条，那么如何找出其中分类效果最好的直线呢？分类效果最好指的是分类非常接近原样本分类，甚至和原样本分类一模一样。找出最优直线(g0)的算法就是感知学习机算法（PLA）。PLA算法的思想是先随机给定一个g0=W0TX，然后计算误差，通过误差修正的方法逐步得到最优的直线g_opt。修正直线的过程其实就是逐步得到最优的权重系数向量W*的过程。
如何保证直线的修正一直是朝着好的方向进行的呢？这就涉及到PLA的修正规则，PLA修正规则为下图公式①②，具体解释为：在迭代第t+1步，根据被gt直线分类错误的某一个样本(xn(t),yn(t))，利用Wt+1=Wt+yn(t)*xn(t)公式，得到本次迭代的Wt+1，得到本次迭代的直线Wt+1X=0。那么如何保证②公式能使得W在朝着好的方向迭代呢？②公式是能够实现修正功能的一个规则，具体合理性可以通过下图的右半部分示意图解释：将Wt简略表达为W，将xn(t)，yn(t)简略表达为x，y，将Wt+1简略表达为W+yx，W和x均为一个向量，y是错误分类的结果{+1}或{-1}。如果(x,y)原本为正类，y={+1}，在第t次迭代中sign(Wtx)<0被错分类，那么在下一轮迭代，需要修正这个错误，也就是要求Wt+1x>0，两个向量内积大于0，也就是两个向量间的夹角小于90°，如下图右上方示意图所示，修正后的Wt+1（W+yx）向量与x向量间的夹角由原来的大于90°变为小于90°，说明公式②能起到将修正样本错误分类的作用。y={-1}情况同上，可以自己推导。
知道检测所有样本，发现没有样本被错误分类后，算法停止迭代，此时得到的W为WPLA，对应的h(x)=sign(WPLAx) 就是要找的 g。
那么在实际算法运算中，错误样本怎么选呢？错误样本的周期性选取有两种方法，一种是按照1~n的顺序周期选取，称为naive cycle，另一种是随机选取错误样本，称为precomputed random cycle。
PLA算法迭代过程的可视化如下：
首先算法w0=0，随机选定一个样本，因为正确分类必须为{+1}或{-1}，但w0=0输出结果为0，所以显示样本分类错误。将该样本进行错误修正，得到w1如图1紫色线条所示，w1是该直线的法向量（直线表示为wx=0），所以与w1对应的直线为与w1垂直的直线，如图2所示。
图1
图2中红线表示上一轮的wt，黑线表示选择的被错分类的样本x0，②PLA公式表明，根据错分类样本x0和wt，得到下一轮迭代得wt+1，如紫线所示，wt+1对应的直线为图3中红色部分和蓝色部分的分界直线。
图2
图3
迭代9次后得到图4
图4
迭代至第十次，找到使全部样本都正确分类的直线如图final所示
图final
2.3 PLA是否收敛到最优（算法是否能够收敛（halt）？，如果能够收敛，最终得到的是不是最优？）
PLA存在如下问题：算法是否一定能够停止？最后得到的g是否一定接近f
第一个问题：PLA算法是否一定能够停止？答案是只有数据使线性可分的情况下，PLA算法才能停止。
PLA停止迭代的条件使找到一条直线将所有样本正确分类，如果样本原本就是线性不可分的样本，那么PLA就回一直迭代下去，算法无法得到好的结果。如下图所示为线性可分，线性不可分，线性不可分的样本情况。
第二个问题：如果算法能够收敛，那么最终得到的是不是最优？也就是在每一次的迭代过程中，wt是不是在向wf逼近（wf是理想预测函数f的权值向量）。答案是wt在迭代中确实在向wf逐步靠近。理由如下图所示：图中wfTwt+1总是大于wfTwt，由于在两个向量大小几乎不变的情况下，两向量内积越大，说明两个向量方向越靠近，所以wt+1比wt更接近wf。说明迭代过程中w确实在逐渐的优化。
前文提到两向量内积越大说明两向量方向越接近的情况存在前提，就是两向量的大小几乎不变，下面阐述为什么wt到wt+1的大小变化很小。如下图所示，两者的平方差总是小于||xn||^2，所以“变化很小”的前提成立。
2.4 线性不可分的数据
下图为对于PLA算法的小总结
改进的PLA算法（pocket algorithm）：能够容忍一定程度的噪声数据
2.5 关于lecture2 的小总结
参考资料：
1.B站视频：https://www.bilibili.com/video/BV1Cx411i7op?p=9 ：p5~p9