一、感知机（perceptron）的学习： 1. 什么是感知机：是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1； 2. 模型类型：感知机将对应的输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型； 3. 感知机模型：感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法 对顺势函数进行极小化，求得感知机模型。 二、算法步骤： 1.选取初值w0,b0.确定学习率（属于（0，1]） 2.在训练集中选取数据（xi,yi） 3.如果yi(w*xi+b)<=0,更新w,b w=w+学习率*yi*xi b=b+学习率*yi 4.转至（2），直到没有误分类

该代码包括感知机学习算法和对偶形式的感知机学习算法，应用在二分类的问题上，整体上表现出不错的效果

李航老师的《统计学习方法》书里第二章感知机学习算法的原始形式的matlab程序

本文档里面含有 神经网络 感知机算法 C++实现，以及相关介绍。

感知机的学习算法，c语言写的啊，哈哈哈哈

用matlab实现了机器学习中的感知机学习算法（perceptron algorithm），利用前500个样本值训练分类器，用剩余样本做测试。