《统计学习方法》第二章总结
第二章主要讲的是二类分类的线性分类问题——感知机。
感知机属于一种线性分类模型，属于判别模型，感知机的几何解释是一个可以用于分割两种不同数据的超平面，位于两部分的点（特征向量）分别被分为正类和负类，也被成为分离超平面。
通过学习训练数据，得出w和b的值，用于预测数据输出分类结果。
一个重要的概念是线性可分性和线性不可分性：
感知机学习算法的原始形式：
并且可以通过数学方法证明对于线性可分数据集感知机学习算法原始形式收敛，即经过有限次迭代可以得到一个将训练数据集完全正确划分的分离超平面及感知机模型。
总结;这一章的内容还是比较简单的，因为和我们以前接触的平面没有太多的不同之处，而且感知机是支持向量机的基础，学完第二章其实可以直接跳到第七章支持向量机，这样的学习效率更高。