机器学习基础之----感知机----

写在前面的话

由于博主最近在某国企工作，业余时间较多，于是蒙生写博客的想法，一来是做读书笔记，二来也希望可以和更多热爱ML和DL的人一起交流学习。

本文将从四个方面介绍感知机的内容:

1,感知机总体介绍

2,叙述感知机的学习策略

3,介绍感知机的学习算法

4,证明算法的收敛性

一，感知机总体介绍

OK，进入正题。感知机(Perceptron)是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入给予误分类的损失函数，利用梯度下降法对损失函数进行极小化，从而求得感知机模型。感知机学习算法具有简单而易于实现的特点，分为**原始形式**和**对偶形式**两种，是神经网络和SVM的基础。