线性分类Linear Classification

记录一些学习随笔，作为数据挖掘知识的整理

感知器（perceptron）vol.1

我们所学的首个神经网络

类是实现定义好的点所组成的组

分类（classification）可以猜测某一个点所在的类

在学习分类时我们需要解决的2个问题：

1、分类（classifying）：判断出点在decision boundary的哪一边

2、learning：找到分隔出两个类的decision boundary。

在learning完成后，classifier可以对未知点做正确分类。

引入超平面（hyperplane）作分隔用。

向量加一个origin point可以表示一个hyperplane P

若点X属于法向量V和超平面上一点C组成的平面，则有V和X-C的点积为0的性质，类似三维平面。

V是超平面的法向量，