感知機是一種二類分類的線性分類模型，屬於判別類型，它是神經網絡和支持向量機的基礎。

感知機的算法如圖所示：

根據以上的算法，使用MATLAB對一組標簽為“1”和“-1”的數據進行訓練，得到的分類超平面。

數據為：

%%perceptron
clc
clear

%load the data  導入數據
data=load(‘testSet.txt‘);
%Sometimes you do not need too precise data
% data=roundn(data,-1); 

x=[data(:,1),data(:,2)];
y=data(:,3);
k=length(y);

 
%plot the data point based on the label  根據數據的標簽畫出散點圖
for j=1:k
    if y(j)==1
     plot(x(j,1),x(j,2),‘o‘);
%      L={num2str(j)};
%      text (x(j,1),x(j,2),L);
     hold on
    end
    if y(j)==-1
     plot(x(j,1),x(j,2),‘x‘);
%      L={num2str(j)},
%      text (x(j,1),x(j,2),L);
     hold on
    end 
end     

 
%initialize the parameters  初始化參數，對應算法第一步
w=[0,0];
b=0;
r=0.5;  %learningrate

con=0;  %set the condition
t=0;    %record the number of iterations
br=[];  %record the change of b
wr=[];  %record the change of w


while con==0                           %條件為訓練集沒有誤分類點
   for i=1:k
     if (y(i)*(dot(w,x(i,:))+b))<=0    %判斷是否分類錯誤
 

      w(1)=w(1)+r*y(i)*x(i,1);         %對應算法第三步
      w(2)=w(2)+r*y(i)*x(i,2);
      b=b+r*y(i);
      w=[w(1),w(2)];
      wr=[wr;w];
      br=[br,b];
      t=t+1;
     end
   end 

   for i=1:k
      con1(i)=(y(i)*(dot(w,x(i,:))+b));    %如果所有點都分類正確，則con1中所有元素都大於0
   end
   con=(all(con1(:)>0))
end

xt=-2:0.1:10;                              %畫出分類平面
yt=(-w(1)*xt-b)/w(2);
plot(xt,yt);

運行上述程序，得到的結果如下所示：

[機器學習]感知機(Perceptron)算法的MATLAB實現