在介绍神经网络之前，我们先来看看神经网络的一个基本组成单元——感知器（Per-ceptron）。感知器是在1950年由科学家Frank Rosenblatt提出的一种做二元分类的算法。然后现在的感知器和他提出的感知器有细微的区别。

先来了解一下早期的感知器：

假设我们现在有三个变量（他们是特征值）x1，x2，x3 ∈  0,1

输入到感知器中，我们希望感知器的输出也是一个二进制的数来代表分类（即0 代表类别 1，1代表类别2）。Rosenblatt 提出了一个解决方案，就是为每个输入变量引入一个权重，并将他们相乘，来表达每个变量的重要程度，也就是说权重分别为w1，w2，w3，然后我们对乘积求和 z=w1x1 + w2x2 + w3x3 。 最后我们设定一个阈值（Threshold），如果z大于这个阈值，感知器就输出1，反之则输出0。

用数学语言来表达就是：

通过这样简单的线性相加和阈值对比，我们就实现了简单的二元分类。

感知器是一个最基本的分类模型，他通过把加权后的特征值相加来做出相应的判断。打个比方，小明打算周六到附近的足球场去踢球，但有几个因素会影响小明是否去踢球：

1. 周六天气是否不错

2. 小明的同学会不会跟他一起去

3. 球场收费是否昂贵

我们可以用刚才的三个变量来代表这三个因素x1，x2，x3

当x1=1时，周六天气极好。

当x2=0时，代表小明同学不会和小明前往。

然后，我们假设小明认为在这三个因素中天气的影响最为巨大，其次他的学生会不会一起，小明是个土豪，他并不在乎球场费用。

我们用感知器来模拟这个过程。假设w1=5、w2=2、w3=1，阈值设为5。 由此可以看出天气对小明来说影响很大，也就是说无论球场费用多高，是否有同学一起，只要天气好，感知器就会输出1，代表小明回去踢球。

未完待续中。。。。。