perceptron

感知机（Perceptron）是一种线性分类器，其输入为一组实例的特征向量，输出为每个实例所属的类别。感知机算法通过迭代学习，不断调整权重和偏置，直到达到预定的停止条件（如最大迭代次数或误差阈值）。在训练过程中，感知机根据误分类的实例更新权重和偏置，以使得分类错误最小化。尽管感知机是一个简单的机器学习模型，但它在解决线性可分问题方面具有很高的效率和准确性。然而，当面对非线性问题时，感知机的表达能力受到限制，需要使用更复杂的模型（如神经网络）来进行处理。