# 對感知機產生好奇
在記錄說明機器學習的過程中，也會說明學習的一些思維。
而作者在說明他對機器學習的了解中，發現他是沒有問題的，但這恰恰是最可怕的，因為對於一個專業項目是停滯不前的。因此她從感知機的底層開始探究起問題。
-
作者知道神經網路就是在模擬生物的神經系統，且都是由神經元組成，而其能實現多個信號輸入一個信號輸出
-
因此作者提出了一個疑問，神經網路裡面的多對一就是一種樹，那麼跟數學函數裡面的多對一，和數據結構裡面的樹究竟有什麼樣子的差別
# 什麼是感知機
在人類的神經系統裡面有一個基本的單元稱為 神經元 ，在神經網路裡面也有一個基本的單元稱為 感知機 。
當時有人提出 感知機 有一個缺陷，但從先在神經網路的流行來看，此項問題已經被解決了。因此他的優勢劣勢都被分析的一清二楚了。
他說感知機能處理很多邏輯運算，例如：AND, OR, NOT。但是有一個解決不了就是 異或運算
感知機是一個用來分類的工具，例如說這邊有一組身高體重的資料，感知機能判斷哪些人是胖的那些人是瘦的。因此感知機是用來做二元判斷的，他只能輸出 1 或者 -1 。
總體來說，他就是利用每一筆樣本來調整線的位置，在線的上面為 +1 , 在線的下面為 -1 。
而這個資料只考慮了二維的資料，如果資料的維度到達三維，或者更高維度，那分界線就不再是線，而是一個平面或者 (n-1) 的一個平面。(線性分類)
因此我就一個疑問，是否分界線一定要是一個線性的函數，能不能是曲線或者不是一個函數
而其實可以是線性也可以是非線性的，但定義為線性是因為這樣比較好實作與構思，在後面的部分可以疊加多層的感知機來達到曲線的目的
