感知机（perceptron)
没啥说的，感知机就是寻找一个将空间分为两部分的超平面（前提可分），学习过程既是损失函数极小化的过程。
模型:
（激活函数）
损失函数：
推导：
首先考虑任意一点X0到超平面的距离： 
，对于误分类点（Xi,Yi)来说
，所以误分类点到超平面的总距离：
损失函数：
损失函数极小化：简单的梯度下降即可求出。
，learning rate: n,每次迭代更新
，再每次更新后计算损失函数。（如果是可分前提，最后验证没有误分类点）
需要注意的是，权重w和偏置b的初始化是个经验数值。且根据初值设定不同感知机存在无数解。
感知机是个简单线性分类模型，无法处理异或问题（后面MLP再说这个问题）