知识卡片 感知机
前言:本文介绍神经网络的基础算法感知机学习算法，并通过实例进行讲解。
感知机 Perceptron
什么是感知机？
y=g(w dot x + b) 中，w是权值向量，b是偏置，对含有n个变量x的数据进行有监督的训练学习，得到参数w 和 b，通过激励函数g实现分类，结果为+1 则为阳性， -1 为阴性，再将新的样本测试模型，可以进行预测分类。
感知机模型的损失函数
蓝红两点是错误分类点，如果统计错误点的数量，作为损失的计算，它是不连续和不可导，无法进行优化，因而改算误分类点到一个分类超平面的距离，距离越近，损失越小；此外，双竖线代表L2范数。
损失函数是针对误分类点的，yi和(w*xi + b)相反，当(w*xi + b)的分类结果是-1时，实际上yi 是+1，此时损失函数前有负号，因而大于0；(w*xi + b)的分类结果是+1时，yi是-1，损失函数大于0。
感知机模型的优化‐随机梯度下降法
感知机算法的损失函数极小化过程中，算梯度的误分类点不是全部计算，而是每次随机选取一个样本点，使其梯度下降，然后不断的迭代更新，直到优化的参数w和b使得所有的样本点的距离小于等于0，误分类点的个数为0。
感知机学习算法
感知机迭代实例
好文章，我 在看❤