本文介绍了感知机作为二分类模型的基础概念，包括超平面的定义、预测函数以及损失函数。通过优化损失函数，寻找最优超平面。讨论了权重更新策略，并与支持向量机（SVM）进行了对比。
虽然说感知机这个模型，现在基本不会被用到了，但是基础还是要打牢。感知机是svm和mlp（Multilayer Perceptron）的前身。以下关于公式和推导参考了其他博客（有说明出处知乎引用），另外加入了自己的理解。
1.总体概括
感知机，是解决二分类问题的模型，在空间中找到一个最优的超平面，把样本分成两类。超平面表达式
，感知机的预测函数：
，在超平面上方，预测为正类，在超平面下方，预测为负类。理想目标是全部样本预测正确，实际不一定能实现，预测值和真实值相乘小于0，取负大于0，
，yi属于{1,-1},点xi到超平面的距离为
，损失定义为所有分错样本与超平面
最低0.47元/天 解锁文章
1065
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
