1、用于分类，是一个二类分类方法；
2、前提数据是线性可分的，如果数据线性不可分，则不能使用感知机，算法不收敛；
对比：SVM 可以使用核函数的技巧处理线性不可分的情况。
3、目标是学习到一个超平面，这个超平面有 (n + 1) 个参数，(n) 是样本数据的特征数；
4、感知机得到的超平面不唯一，跟初始点有很大的关系；
5、感知机 = 线性模型 + sign 符号函数；对比：逻辑回归 = 线性模型 + sigmoid 函数；
6、研究方法：定义模型、定义损失函数、选取训练方法（随机梯度下降）
7、定义正负两类的符号是 1 和 -1
对比：逻辑回归：1 和 0
SVM ：1，-1
8、固定分母的技巧，因为 2x + y = 3 与 4x + 2y = 6 表示一个超平面；
9、每次选取一个误分类点进行随机梯度下降法，因为全部的样本点里有正确分类的样本，不属于训练数据集
10、为什么要有对偶形式
对偶形式是为了计算上更快，一定要把它们搞清楚。
参考资料：
1、李航《统计学习方法》
感知机原理小结 - 刘建平Pinard - 博客园 http://www.cnblogs.com/pinard/p/6042320.html