感知機定義

如果有一個算法，具有1個或者多個入參，但是返回值要么是0，要么是1，那么這個算法就叫做感知機，也就是說，感知機是個算法

感知機有什么用

感知機是用來表示可能性的大小的，我們可以認為假設如果返回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，現在說這些還太早，總之我們知道感知機是用來表述可能性大小的東西就可以了

亂寫一個感知機

根據定義，下面的算法是我隨便寫的，雖然沒任何用，但是它確實是一個感知機算法，很明顯，感知機算法有無窮無盡個
java語言：

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

python語言：

def perceptron(a,b): # 定義感知機算法if(a + b>5):return 1else: return 0
a,b = 7,8
result = perceptron(a,b)
print(result)

閾值與偏置：上述示例中的[5]叫做閾值，后文中我們會叫它偏置

閾值：
很明顯，上述示例中的5，是我根據我腦海中的需求，隨便寫出來的，其他人的想法肯定是和我不太一樣的，所以其他人也有可能寫成a+b>999，那么我們就說閾值是999，如果滿足這個閾值，就返回1，不滿足這個閾值，就返回0
偏置：
在感知機的概念中，我們通常把閾值叫做偏置，既然名詞改變了，那么我們的算法也需要改變一下，變成下面這樣

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

這個時候，我們才可以正式的說：偏置為-5

權重

這是一個非常重要的概念，在上述算法中，我沒有體現出權重，也就是說，上面的代碼，沒有權重，或者說，上述的代碼中，權重是1

那么對于感知機來說，什么是權重？沒有權重會怎么樣
1.什么是權重：每個入參都需要乘以一個值，至于值是多少，我們先不管，那么乘以的這個值，就叫做權重，拿上述代碼來說，其實是乘以了1，就像下面這樣：

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

2.加上權重會怎么樣？當然是會嚴重影響結果了例如，我們讓參數a的權重是0.5，參數b的權重是0.1，變成下面這樣

if(-5 + (a*0.5 + b*0.1)>0):return 1
else: return 0
# 此時如果a=7,b=8,那么該感知機算法會返回0，之前是返回1的，加了這個權重，變成0了

3.權重到底影響什么？權重影響的是參數，如果我們認為參數是現實中的某種決策的外在條件，那么權重會影響最終結果，例如，今天下雨天氣不好，我要出去玩HR，那么請問天氣不好在家的權重大，還是出去玩HR的權重大？？？如果天氣不好在家的權重非常大，只要滴幾個小雨點或者陰天，那么我們就絕對不會出門，如果出去玩HR的權重大，那么無論天氣多么惡劣，我們也會出去玩HR，對不對？？所以說權重會影響決策，例如下面你的代碼，無論你將b設置成什么值，都不會影響結果，因為它的權重非常小

if(-5 + (a*0.5 + b*0)>0): # 我們將b的權重設置成0，相當于完全忽略b這個條件return 1
else: return 0

感知機的初步公式

我們上面介紹了入參，權重，偏置，所以得到了一個感知機公式，如下

結果0 = 偏置 + (入參1 * 入參1權重 + 入參2 * 入參2權重) <=0
結果1 = 偏置 + (入參1 * 入參1權重 + 入參2 * 入參2權重) > 0

階躍函數與激活函數

階躍函數是當結果超過了某個閾值，就輸出另一個參數，在本文的例子中，就是大于0小于0這個過程，下面代碼中的step函數，就是階躍函數，對上文的代碼進行拆分，我們拆分成兩步，如下
步驟1：

結果X = 偏置 + (入參1 * 入參1權重 + 入參2 * 入參2權重)

步驟2：

def step(a): # 定義一個階躍函數if(a>0):return 1else: return 0
結果R = step(X) # 將步驟1的結果傳遞到階躍函數中，結果R要么是0，要么是1

由于階躍函數使用起來不夠平滑，平滑指的是跳躍太大了，有點像高低電平，給一個閾值，以這個閾值為門檻，這有很多缺點，我們之后再說，總之你要記住“不夠平滑”，我們想要平滑，所以又提出了階躍函數的升級版本，也叫激活函數（注意，激活是個名詞，不是動詞）

激活函數

這里不寫了，單獨拎出一片文章吧，今天該下班回家打LOL了

感知機的缺點

感知機有一個缺點，就是這個權重的設置，在本文的代碼中，0.5，0.1，0什么的，這都是我隨便設置的，但是現實生活中，如果想讓一個算法具有智能，那么這個權重是通過大量數據總結出來的，如果想要人工總結，那么得需要大量的時間和人工成本，是否有什么辦法，能夠讓計算機自己定義這個權重呢？？

當然是有的，我們常常聽到的機器學習，就是通過大量數據+一個叫做神經網絡的技術，把權重算出來，當然，如果你覺得對這個權重不滿意，也可以人工干擾，或者說我本身就知道應該設置權重多少，沒必要進行機器學習，直接寫死權重值也是可以的，不過這是后面文章的內容了

本文就到這里，介紹了一些感知機的概念