第2章 感知器分类算法 2-1 分类算法的总体描述

机器学习的本质是模拟人的神经元对信息的处理方法。根据神经学的研究，神经元可以看做是一种简单的带有二进制输出功能的逻辑电路门。多种电信号能够从神经元的交叉部分，这种电信号能够从交叉部分输入到我们的神经元之中。那么这些从这个交叉部分输进来的电信号，那么会进入到神经元的细胞核。那么细胞核就会将树突传入来的这个多个电信号结合在一起，进行统一的运算，得到的一个唯一的一个电信号会通过轴突传递给后面的末梢部分。末梢部分会将这个轴突部分传递过来的电信号分解成若干个部分，然后把分解成的若干个部分依据每一个分叉再传递到外面的神经元。那么这就是人工神经元的一个基本的模型。

要去实现人工神经元的算法，我们就需要通过这个数学的方式，对人工神经元进行数学模拟。我们可以把这个神经元分叉部分传入来的信号，用这个向量x来表示。神经元从分叉部分传入多个电信号，那么每一个电信号的值就可以利用这个x向量来表示。这个电信号传入到神经元的时候，这些电信号不是一成不变的直接传入到神经元的细胞核的。从这个分叉的管道传入到神经元的细胞核的时候，每一个电信号都会做一个改变，一般来说会对电信号做一个缩小的处理。神经元的分叉部分对传进来的电信号会把它的值进行一些弱化，这个弱化就相当于把这个电信号的值乘以一个小数或者乘以一个小于1的系数，这个系数就对应于我们这个w的向量。所以w这个向量实际上是用来表示神经元分叉部分对电信号弱化的系数的一个组合而成的一个向量。当所有的电信号经过分叉的管道弱化了之后