第二章 感知机（perceptron）

感知机

感知机是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别（取+1和-1）。感知机对应于输入空间中将实例划分为两类的分离超平面。感知机旨在求出该超平面，为求得超平面导入了基于误分类的损失函数，利用梯度下降法对损失函数进行最优化。

感知机的三要素

模型定义：

模型比较简单对于X>=0的情况预测结果为1，X<0的情况预测结果为-1。等价于找到一条Decision boundary(WX +b = 0) 当WX+b>=0时预测结果为1，WX+b<0预测为0。

策略：

算法：

1.感知机模型中的w为什么垂直于平面？

2.感知机模型的损失函数为什么将w的范数去掉

感知机的任务是进行二分类工作，它最终并不关心得到的超平面离各点的距离有多少（所以我们最后才可以不考虑w的范式），只是关心我最后是否已经正确分类正确（也就是考虑误分类点的个数）

3.感知机算法的对偶性形式理解

参考：
https://zhuanlan.zhihu.com/p/25696112
https://www.zhihu.com/question/26526858/answer/136577337
https://zhuanlan.zhihu.com/p/34997873