Perceptron感知機

在線性回歸後，用來做預測的另外一種數學模型被開發了，感知機，

一個利用"單個"神經元運作的原理，被用來當成感知機的設計靈感，而在人體的神經元內，我們都知道會有輸入和輸出，在神經元樹突接收到訊號後，經過神經元加工
再過神經元軸突輸出。

而我們利用電腦重現這個流程，並把它做成簡單的分類器，感知機就是最簡單的神經網路，
我們將資料一一輸入，經過神經元計算後，透過簡易的閥分類，
在這裡我們要開始講解感知機的原理，在我們把資料輸入之後，我們的感知機會對資料乘上權重，加總後(包含偏差Bias)，將值透過簡易的Function來進行開關(該Function如果輸入的值大於0全部回傳1[True]反之則輸出0[False])
而這個輸出的0和1其實就是在做Classification的工作了！是不是聽起來很簡單呢？
重頭戲就是，我們的感知機內部參數應該要怎麼調？要用機器學習，當然是我們輸入資料，讓資料告訴它它要怎麼調啦~
我們可以輸入資料，並且利用LossFunction來計算誤差，再反饋給 Weight 和 Bias更新他們的值！
這就是Perceptron感知機的運作和訓練原理了！