浅谈感知机算法

感知机是一种二分类算法，其输入的实例为一特征向量，输出的实例的实例类别只有+1，-1两个值。
感知机属于线性分类模型，是判别模型的一种。其原理是，通过训练集求出一个分离超平面，将正负样本进行分离。
谈到超平面，我们自然地就想到了到这个平面的距离，嘿嘿，没错，感知机的损失函数就是基于样本到超平面的距离来度量的。

感知机概念及算法推导

先来看看，感知机函数：

f(x)表示最终预测的分类，w*x+b被称为感知机模型参数。W被称作权值或权值向量，b叫做偏置，x表示输入的特征变量。
好啦，根据这个函数，我们要做的事情很简单，即确定函数参数来达到一个效果 —– 使正负样本在超平面两侧。白话的来说，让这个函数预测精确，即要达到下图效果。

那么，我们还得确定一个经验损失函数，来使经验损失最小化。因为有“距离”度量，损失函数定义为误分