感知机

1. 概述

感知机可以看成是一种判别模型，适用于二分类的问题。它需要在给定样本点的基础上学习出来一个分离超平面，将已知的样本点分开。感知机是学习支持向量机的基础，因为两者基本上的思想是相似的，都是通过间隔最小化来实现的。

1. 学习策略

通过给定的样本数据，学习得来一个分离超平面wx+b=0，使得这个平面可以很好的区分数据。对所有的数据分为正例点yi = +1和负例点yi = -1，即wx+b < 0，则yi = -1，wx+b >0，则yi = +1。这个是一些假设的前提。前面也说了是通过间隔最小化实现的，所以下面：

首先给出空间中点到直线的距离公式：

这个是空间距离，下面给出函数间隔：

对于所有的分类正确的点来说，