感知机学习总结

1. 感知机是根绝输入变量的特征值进行二类分类的线性分类模型 
    
   感知机对应于输入空间的中的分离超平面w*x+b=0
2. 感知机的策略是极小化损失函数 
    
   损失函数就是误分配函数到超平面的总距离
3. 感知机学习算法是基于梯度下降法的对损失函数的最优化算法，有原始形式和对偶形式两种
4. 当训练数据可分的时候，感知机学习算法是收敛的。错误分类错误是有限的，经过有限次搜索可以找到将训练数据完全分开的超平面。当训练数据线性可分时，感知机学习算法存在无穷多个解，其解由于不同的初始值和迭代顺序而可能有所不同