《统计学习方法》第2章 感知机

感知 机（ perceptron） 是 二类 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 二 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 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 基于 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， 求得 感知 机 模型。
感知 机 学习 算法 具有 简单 而 易于 实现 的 优点， 分为 原始 形式 和 对偶 形式。
感知 机 预测 是 用 学习 得到 的 感知 机 模型 对 新的 输入 实例 进行 分类。
感知 机 1957 年 由 Rosenblatt 提出， 是 神经 网络 与 支持 向量 机 的 基础。

1. 感知机模型

2. 感知机学习策略

3. 感知机学习算法