matlab 实现感知器，最小二乘法两种线性分类器

感知器算法

一、原理
引例：感知器就像一个老师在训一个学生，学生一件事做错了，就纠正他一下，如果下一次另一个事再做错了，就再
纠正一下，而对的就不管他，这样一直纠正，最后那个学生做什么事都是“完美的”。
感知器任务：通过已知的实例调节权重，使其能够预测出未知实例的结果。

符号表示：

if (w1*x1+w2*x2+…….>b) return true

else return false

由于b是常数，我们可以将b表示为-w0×X0，则可以表示为

if (w1*x1+w2*x2+…….+w0×x0>0) return true

else return false

训练方法：

当预测值等于我们期待的结果时： 什么也不用做

但当其小于的时候，说明我们增加的权值小了，赢补上一个正数数 例如所有xi××2的和数学表达推导如下：

w1*x1+a*x1*x1+w2*x2+a*x2*x2+…… 住：a为学习速率因子，会影响学习速率

w的更新值相当于wi=wi+a×xi
当其大于时候应改为减号，归结起来应为如下表达式：
wi=wi+a*(y-h(x))*xi
二、代码实现

function[w,b]=perceptionLearning(trainData,trainLabel,studyRate)
%trainData 训练数据
%trainLabel 训练数据的标签，取值为1和-1
%studyRate 感知器的学习率(0,1];
[nums,demens]=size(trainData);
%初始化w 和 b
w=zeros(1,demens);
b=0;
%训练过程
for i=1:nums
    flag=(trainData(i,:)*w'+b)*trainLabel(