感知机是什么？
感知机 （perceptron）：感知机是神经网络（深度学习）的起源算法，学习感知机的构造是通向神经网络和深度学习的一种重要思想。
严格讲，应该称为“人工神经元”或“朴素感知机”，但是因为很多基本的处理都是共通的，所以这里就简单地称为“感知机”。
感知机接收多个输入信号，输出一个信号。
2. 感知机的原理
感知机是二分类的线性模型，其输入是实例的特征向量，输出的是事例的类别，分别是+1和-1，属于判别模型。
假设训练数据集是线性可分的，感知机学习的目标是求得一个能够将训练数据集正实例点和负实例点完全正确分开的分离超平面。如果是非线性可分的数据，则最后无法获得超平面。
2.1 点到线的距离
2.2 样本到超平面距离
2.3 超平面（Hyperplanes）
3. 感知机模型
4. 感知机学习算法
4.1 原始形式算法
4.2 对偶形式算法
4.3 原始形式和对偶形式的选择
在向量维数（特征数）过高时，计算内积非常耗时，应选择对偶形式算法加速。
在向量个数（样本数）过多时，每次计算累计和就没有必要，应选择原始算法