1.PLA算法总结

PLA（Percetron Learning Algorithm）：感知学习算法，主要用于解决二维或者高维的线性可分问题，最终将问题分为两类：Yes or No。所谓线性可分就是可以找到一条直线或者一个k-1维超平面将一堆二维或K维数据中两个不同类别数据完美区分。
PLA算法是“错误驱动”的，当我们在训练这个算法的时候，只要输出值是正确的，这个算法就不会进行任何数据的调整，反之，当输出与实际值异号，这个算法就会自动调整参数的比重。算法大致流程如下图所示：

下面给出两种简单的实现方法，一种是Naive PLA，另一种为Pocket PLA。Naive PLA主要是针对数据是完全线性可分的，没有任何噪音干扰，它只要找到一个符合条件的解就会结束循环。

def naive_pla():
    w = np.ones(4)
    count = 0
    dataset=[[1,0.10723,0.64385, 0.29556    ,1],
            [1 ,0.2418, 0.83075, 0.42741,   1],
            [1 ,