目录
在学习感知机之前首先要明确几个概念，什么是二分类？什么是特征空间？
一些概念
什么二分类？
二分分类即分类结果标签只有两个。
EG：输入歌曲特征，输出喜欢/不喜欢
EG：输入学习时间，输出及格或者不及格
什么是特征空间（特征向量）
线性变换的特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变。该向量在此变换下缩放的比例称为其特征值（本征值）。
一个线性变换通常可以由其特征值和特征向量完全描述。特征空间是相同特征值的特征向量的集合。
什么是线性可分？
线性可分：可以用一个线性函数把两类样本分开
什么是感知机
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的值。感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。
感知机预测
用学习得到的感知机模型对新的输入实例进行分类
根据李航老师的书来看一下感知机模型
思考：为什么w.x+b=0?
感知机学习策略：
定义（经验函数）损失函数并将损失函数极小化。
1、什么是损失函数？
一言以蔽之，损失函数（loss function）就是用来度量模型的预测值f(x)与真实值Y的差异程度的运算函数，它是一个非负实值函数，通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。
2. 为什么使用损失函数？
损失函数使用主要是在模型的训练阶段，每个批次的训练数据送入模型后，通过前向传播输出预测值，然后损失函数会计算出预测值和真实值之间的差异值，也就是损失值。得到损失值之后，模型通过反向传播去更新各个参数，来降低真实值与预测值之间的损失，使得模型生成的预测值往真实值方向靠拢，从而达到学习的目的。
感知机选择的损失函数：
感知机学习算法的原始形式
例题：
以李航老师的例题为例：
注：采用不同的处置或选取不同的误分类点，解不同
感知机的对偶形式：
首先声明感知机的对偶形式与原始形式并没有多大的区别，运算的过程都是一样的，但通过对偶形式会事先计算好一些步骤的结果并存储到Gray矩阵中，因此可以加快一些运算速度，数据越多节省的计算次数就越多，因此比原始形式更加的优化。
算法形式
例题
