线性模型（一）感知机

机器学习可分为线性模型和非线性模型两类，线性模型如最古老经典的感知机，逻辑回归（对数几率回归），Fisher判别分析，90年代一度独领风骚的支持向量机，本文将详解感知机。

感知机是现在NN的鼻祖，不过下面写的感知机是最原始的纯线性版本，没有加激活函数，即没有任何非线性元素被引入。

（1）模型

$$y={\mathbf{w}}^T\mathbf{x}+w_0$$
y是线性分界面，可以是二维平面的一根直线，或者三维空间的一个平面，更高维的线性分界面就被叫做超平面。因此线性模型只能一刀切，只能做二分类。

模型也可简化为：
$$y=({\mathbf{w}}^{\prime }{)}^T{\mathbf{x}}^{\prime }$$
$${\mathbf{w}}^{\prime }=\left[\begin{array}{c}\mathbf{w}\\ w_0\end{array}\right],{\mathbf{x}}^{\prime }=$$