Road Map
機器學習算法A會看資料D和假設集合H，然后在H里面選一個g?，F(xiàn)在我們來看機器是如何處理是非題。（二分類）
What hypothesis can we use?
那么我們的來看一個模型，看看這個H長什么樣。
用戶的申請表
x = （x1,x2,...,xd)，這些是features of customer， 乘上一個權(quán)重w，來計算score。
判定規(guī)則
y:{+1（good），-1（bad）}。
通過將右邊的threshold移到左邊就可以知道，如果左邊項 > 0，那么 y=1；如果左邊項 < 0，那么y=-1。這也可以用sign函數(shù)來表示。（這里如果左邊項 = 0，其實這個不重要，y可以隨便等于1或者-1）
Perceptron
上面的這個公式叫做感知機Perceptron，h與w和threshold有關，不同的w與threshold取值就可以確定不同的h。（w是一個矩陣）
下面進行一個符號上的簡化。
簡化步驟
具體來看一下h。
二維空間里的感知器
x：在平面上的點（這個點在d維空間里）
y：O（+1），X（-1）
h：lines（或者是在d維空間里的超平面）
h的一邊是預測成+1，另一邊是預測成-1。
（問題：這里的h是H嗎?這里的d維空間或者d+1維空間需要分得很清楚嗎，因為前面剛才提到過x0和w0）
習題：
習題
答案是2。+1代表的spam。如果想要很大的權(quán)重，說明這些單詞在spam里面經(jīng)常出現(xiàn)的。
