機(jī)器學(xué)習(xí)的三要素： 模型，策略，算法
模型：感知機(jī)是二分類(lèi) 線(xiàn)性分類(lèi)模型 ，屬于 判別模型 。
策略：基于誤分類(lèi)點(diǎn)到超平面的總距離。
學(xué)習(xí)算法：略
感知機(jī)存在的問(wèn)題：

1. 存在多解，解依賴(lài)于初始超平面的選擇以及迭代過(guò)程中誤分類(lèi)點(diǎn)的選擇。
2. 訓(xùn)練集線(xiàn)性不可分，算法無(wú)法收斂，解決方法：pocket算法或者使用核函數(shù)。
3. 無(wú)法解決異或問(wèn)題

Python代碼實(shí)現(xiàn)：

            
              import numpy as np
def train(X_train,Y_train):
    print(np.shape(X_train))
    m,n=np.shape(X_train)
    w=np.zeros((n,1))
    b=0
    while True:
        count=m
        for i in range(m):
            result=Y_train[i]*(np.dot(X_train[i],w)+b)
            if result<=0:
                count-=1
                for j in range(n):
                    w[j]=w[j]+X_train[i][j]*Y_train[i]
                b=b+Y_train[i]
                print("w:",w)
                print("b:",b)
                break
        if count==m:
            break
    return  w,b
def predict(w,b,X_test):
    y_=np.dot(X_test,w)+b
    return np.where(y_>1,1,-1)
def main():
    X_train=np.array(([3,3],[4,3],[1,1]))
    Y_train=np.array(([1,1,-1]))
    w,b=train(X_train,Y_train)
    X_test=np.array(([2,3],[-15,6],[1,4]))
    print(predict(w,b,X_test))
if __name__=='__main__':
    main()