探讨感知机的线性和非线性分类实现原理

1.首先要知道一个概念，如果你输入的变量有两类，也就是图中所说的二维的时候我们的数据确实是在一个二维平面上就可以表示的，你可以理解输入的是两个特征：x,y，而每个点就是特征的综合体现。

2. 这个直线只是形象表示，在数学逻辑上的运算得到的不是直线，至于为什么形象表示出来的为什么是直线而不是什么歪歪扭扭的线呢？

3.这个直线主要是说明了一个平直的作用，因为在实际的数学逻辑上你是通过调整权重矩阵来得到一个很好划分两种类型数据的一个值（因为整个感知器的作用就是将x的向量与权重向量相乘，两个向量相乘那结果必然是一个数值），把图片转一下，让直线转到水平方向来，那么红色的点很直观的就是表示高于这个水平线（这个值），而蓝色的点低于水平线（这个值）。

 正好说到分类这里了，我就再进一步说说svm是如何完成非线性分类问题

1、首先说一个世间真理，在人类的知识体系中所有复杂的东西都是由简单的东西演化而来的，所以人类解决所有复杂问题的复杂方法倒退本源都是一些简单易懂的概念。

2.在分类方法中线性分类简单易懂，非线性稍显复杂，但是非线性的本质还是线性，（我有时候觉得可能人的大脑只能本能地理解很简单的东西，但是为了解决复杂的问题我们只能靠这些本能性的，简单的东西拼凑成复杂的东西，人类的这种能力看起来确实很不可思议）。

3.我前面说过直线不是决策分界的数学理解，真正的数学意义是一个话定的值，在上图我们可以通过观察发现，红点的分布好像一个围绕原点形成的圆，而蓝点就像一个圆环，那么我的设定值不是只要得到一个半径在这两者之间的圆环不就可以了吗？

对，这就是正解，有很多文章喜欢把这个说成是低维转换到高维空间，用高维空间上的线性直线完成地位空间的非线性分类问题，不过我的这种理解我认为更容易理解，毕竟低维到高维的的理解，属于简单到复杂的转变（很多人就喜欢这样搞复杂），而我这个还是在一种简单的范畴里就把问题理解了。简单和复杂只不过是人类的思考方式造成的罢了，所以有些人可能学习很轻松，因为他们掌握了一种简单的思维方式，学起来很轻松。（这里我必须说明一下我这个值的概念很抽象，在数学领域好理解，所以一般还是用空间变换的思想来理解为什么可以进行非线性分类，因为有很多值不是那么容易表示的，和我吗的常识有点出入，不能本能性理解）