2.1 感知机
模型：f(x)=sign(w*x+b)
w*x+b=0 超平面
2.2 学习策略
目的：找出无穷多个超平面中的一个能线性可分的超平面，即模型f(x)=sign(w*x+b)
经验风险：误分类的数据
min L(w,b)=−∑xiϵMyi(w∗x0+b)
2.3 学习算法
目的：提供算法求出使损失函数极小时的w、b，及确定感知机模型
算法：
1）选取初值W0、B0（自己设）
2）在训练集上选取数据（x , y）
3）如果该数据是误分类点，则对W、B进行更新
4）转到2）
注意：当设置初值不同或选取数据顺序不同时，可能得到当超平面不同
收敛和震荡：
当数据集线性可分时，误分类次数是有上限的
算法的对偶形式：
W0 、B0初始值均为0
