感知机定义

如果有一个算法，具有1个或者多个入参，但是返回值要么是0，要么是1，那么这个算法就叫做感知机，也就是说，感知机是个算法

感知机有什么用

感知机是用来表示可能性的大小的，我们可以认为假设如果返回1，那么事情下一步的方向偏向A更大一些，如果返回0，那么事情下一步的方向偏向B更大一些，现在说这些还太早，总之我们知道感知机是用来表述可能性大小的东西就可以了

乱写一个感知机

根据定义，下面的算法是我随便写的，虽然没任何用，但是它确实是一个感知机算法，很明显，感知机算法有无穷无尽个
java语言：

public static void main(String[] args) {int result = 感知机(7, 8);System.out.println(result);
}public int 感知机(int a, int b) {if (a + b > 5) {return 1;}return 0;
}

python语言：

def perceptron(a,b): # 定义感知机算法if(a + b>5):return 1else: return 0
a,b = 7,8
result = perceptron(a,b)
print(result)

阈值与偏置：上述示例中的[5]叫做阈值，后文中我们会叫它偏置

阈值：
很明显，上述示例中的5，是我根据我脑海中的需求，随便写出来的，其他人的想法肯定是和我不太一样的，所以其他人也有可能写成a+b>999，那么我们就说阈值是999，如果满足这个阈值，就返回1，不满足这个阈值，就返回0
偏置：
在感知机的概念中，我们通常把阈值叫做偏置，既然名词改变了，那么我们的算法也需要改变一下，变成下面这样

if(-5 + (a + b)>0):return 1
else: return 0

这个时候，我们才可以正式的说：偏置为-5

权重

这是一个非常重要的概念，在上述算法中，我没有体现出权重，也就是说，上面的代码，没有权重，或者说，上述的代码中，权重是1

那么对于感知机来说，什么是权重？没有权重会怎么样
1.什么是权重：每个入参都需要乘以一个值，至于值是多少，我们先不管，那么乘以的这个值，就叫做权重，拿上述代码来说，其实是乘以了1，就像下面这样：

# a乘以1加上b乘以1
if(-5 + (a*1 + b*1)>0):return 1
else: return 0

2.加上权重会怎么样？当然是会严重影响结果了例如，我们让参数a的权重是0.5，参数b的权重是0.1，变成下面这样

if(-5 + (a*0.5 + b*0.1)>0):return 1
else: return 0
# 此时如果a=7,b=8,那么该感知机算法会返回0，之前是返回1的，加了这个权重，变成0了

3.权重到底影响什么？权重影响的是参数，如果我们认为参数是现实中的某种决策的外在条件，那么权重会影响最终结果，例如，今天下雨天气不好，我要出去玩HR，那么请问天气不好在家的权重大，还是出去玩HR的权重大？？？如果天气不好在家的权重非常大，只要滴几个小雨点或者阴天，那么我们就绝对不会出门，如果出去玩HR的权重大，那么无论天气多么恶劣，我们也会出去玩HR，对不对？？所以说权重会影响决策，例如下面你的代码，无论你将b设置成什么值，都不会影响结果，因为它的权重非常小

if(-5 + (a*0.5 + b*0)>0): # 我们将b的权重设置成0，相当于完全忽略b这个条件return 1
else: return 0

感知机的初步公式

我们上面介绍了入参，权重，偏置，所以得到了一个感知机公式，如下

结果0 = 偏置 + (入参1 * 入参1权重 + 入参2 * 入参2权重) <=0
结果1 = 偏置 + (入参1 * 入参1权重 + 入参2 * 入参2权重) > 0

阶跃函数与激活函数

阶跃函数是当结果超过了某个阈值，就输出另一个参数，在本文的例子中，就是大于0小于0这个过程，下面代码中的step函数，就是阶跃函数，对上文的代码进行拆分，我们拆分成两步，如下
步骤1：

结果X = 偏置 + (入参1 * 入参1权重 + 入参2 * 入参2权重)

步骤2：

def step(a): # 定义一个阶跃函数if(a>0):return 1else: return 0
结果R = step(X) # 将步骤1的结果传递到阶跃函数中，结果R要么是0，要么是1

由于阶跃函数使用起来不够平滑，平滑指的是跳跃太大了，有点像高低电平，给一个阈值，以这个阈值为门槛，这有很多缺点，我们之后再说，总之你要记住“不够平滑”，我们想要平滑，所以又提出了阶跃函数的升级版本，也叫激活函数（注意，激活是个名词，不是动词）

激活函数

这里不写了，单独拎出一片文章吧，今天该下班回家打LOL了

感知机的缺点

感知机有一个缺点，就是这个权重的设置，在本文的代码中，0.5，0.1，0什么的，这都是我随便设置的，但是现实生活中，如果想让一个算法具有智能，那么这个权重是通过大量数据总结出来的，如果想要人工总结，那么得需要大量的时间和人工成本，是否有什么办法，能够让计算机自己定义这个权重呢？？

当然是有的，我们常常听到的机器学习，就是通过大量数据+一个叫做神经网络的技术，把权重算出来，当然，如果你觉得对这个权重不满意，也可以人工干扰，或者说我本身就知道应该设置权重多少，没必要进行机器学习，直接写死权重值也是可以的，不过这是后面文章的内容了

本文就到这里，介绍了一些感知机的概念