我有一个问题，我已将其附加为图像。

问题在附图中

我的理解

误差函数由下式给出：$e(y, \hat y)=0$ 如果 $y \cdot a(x-b) \ge 1$ 或者 $e(y, \hat y) = 1-y\cdot a\cdot (x-b)$ 如果 $y a(x-b) < 1$.

当前梯度下降 $t$ 是 (1,3)。

梯度下降（$E_{in}(a,b)$) 根据定义应等于方程的偏导数 $E_{in}(a,b)$ 写 $a$ 和 $b$. ($w$ 相当于 $[a, b]$，据我说）

我的怀疑

请注意，当我说 N 点求和时，我的意思是使用用于 N 点求和的希腊符号

1. 我不确定在这种情况下如何计算偏导数。当我们说修复'$a$'和变化'$b$'，这是否意味着仅找到差异化'$b$'？这意味着梯度（$E_{in}$)= $-1 / N (\sum_{i=1}^N y_i a)$. 但这消除了对$x$ 这就是为什么我怀疑我的方法。

2. 需要对其进行导数的最终方程是： $1/N \sum_{i=1}^N 1-ya(x-b)$对于 N 个错误分类的点。但根据数据集，没有任何点被错误分类，因为 (a,b)=(1,3) 的每个点的误差函数等于 0。

   对于点 1，其中 x=1.2 且 y = -1，如 $y \cdot a \cdot (x-b) = (-1)\cdot (1)\cdot (1.2-3)=+1.8$. 这意味着$e(y_1, h(x_1)) = 0$.

那么这个问题的答案应该是什么？

我希望我对这个问题的怀疑对观众来说是清楚的。但无论如何，如果有什么我无法解释的，请告诉我。