Perceptron Learning Algorithm

首先我的感受學習是個很抽象的概念，在學校唸了這麼多年書，咱們稱其爲學習，可是要一我的對學習作出一個定義又很是之難，而這又是一個必需要搞清楚的問題，由於若是搞不清楚這個概念，就搞不清楚什麼是機器學習，若是連機器學習是什麼都沒搞清楚又談什麼機器學習算法之類的呢？
好吧，我要認可的是，以我如今的水平還不能對學習作出一個很準確的數學上的定義來，因此直接拿來主義，看一下老師的對於機器學習的定義，我仍然不能保證它必定是對的，但在本身尚未辦法搞出本身可以滿意的回答來的時候，仍是先學習吧。就像吃橙子的時候不必定要知道橙子的定義，學習的時候不知道學習的定義也是情有可原的。但是我雖然不知道橙子的定義，當我見到蘋果的時候我是不會把它當成橙子的，但這種本領不是天生就有的，而是通過後天的學習得來的，從不知道的狀態到知道的狀態，也許就是學習，又或許咱們經過機器學習能夠獲得一個學習的概念，又或者這個概念是不可能找到的。

我知道有一個標準的概念，它就在那裏，可是我沒法描述，只能體會（學習）。

扯得有些遠，回到主題，什麼是機器學習呢？一貫都是能動手的時候儘可能不說話，畫個下面的圖理解一下：

能夠看到，把這些符號化之後仍是很是激動人心的，至少如今有了這樣一個模型，太開心,固然，這個圖也不是個人，出處國立臺灣大學機器學習基石，因此我也不負責它的正確性，只是以爲好拿來用用。
機器學習就是上圖所示的這樣一個過程。而PLA(Perceptron Learning Algorithm)就是衆多機器學習算法中最基礎的一個算法。有種預感的是，PLA是先於機器學習這個概念而出現的，至於爲何，想一想就知道啊，由於這是一個學習的過程，學習的時候通常是不會有學習的概念的。

基本理論

In machine learning, the perceptron is an algorithm for supervised learning of binary classifiers: functions that can decide whether an input (represented by a vector of numbers) belong to one class or another.[2] It is a type of linear classifier, i.e. a classification algorithm that makes its predictions based on a linear predictor function combining a set of weights with the feature vector. The algorithm allows for online learning, in that it processes elements in the training set one at a time.

來自維基百科Perceptron。
好吧，繼續作點翻譯的事情：
在機器學習中，感知機是一種算法，主要用於二元分類器的監督型學習，那啥叫二元分類器呢，它就是一個函數，這個函數能夠決定輸入（由一個向量表示）是屬於這一類的呢仍是屬於那一類。這是一種線性分類器，那啥叫線性分類器呢，線性分類器是一種分類算法，它是基於線性函數來作出預測的，線性函數把一集合的權重數和特徵向量組合起來。這個算法在線學習，一個一個地處理訓練集中的元素。
這裏的概念一環扣一環，翻譯過來有些不通順，按照這個過程理解：函數->線性函數->線性分類器->二元分類器->感知機。只有後面三個概念新的。
看上去各類高大上，畫個圖再看看。

圖一樣來自維基百科 Perceptron#Definition。