摘要：
Perceptron:1、一种基于监督的线性分类器，其特点是：1）模型简单，具有很少的学习参数；2）具有可视性，一条直线即可划分；3）基于人工神经网络的原理。其结构图为：2、学习的关键技术： 对于错分的点进行进行权重更新，即那些不等于1的点，使用公式进行权重更新，对于那些正确分类的点，不进行权重更新。示意图如下：此时，3、算法流程为：4、算法收敛性证明：证明cos(w*,w)＜１即可。5、算法的不足和改进：1）对于线性不可分的情况，算法将不会停止。2）带权重的perceptron，为算法添加一个w的置信度c，则原来的检测函数h(x)变换为：。 阅读全文
