机器学习－感知机实现（1）
前提
这系列文章不是为了去研究那些数学公式怎么推导，而是为了能将机器学习的思想快速用代码实现。最主要是梳理一下自己的想法。
感知机
感知机，就是接受每个感知元（神经元）传输过来的数据，当数据到达某个阀值的时候就会产生对应的行为
如下图，对应每个感知元有一个对应的权重，当数据到达阀值u的时候就会执行对应的行为。 
u = w0 + w1x1 + w2x2 +......wnxn
对应到垃圾邮件处理上，当u > 0时就是正常邮件。相反则为垃圾邮件
对于这样的模型就可以称之为简单的感知机。也就是一个神经网络的基本单位。
权重向量的更新
上面所提到的w1,w2等就是就是对应每个是否是垃圾邮件的衡量标准，而x1,x2...就是邮件中被监测的词组的数目
比如x1和x2相同的时候，w1和w2的绝对值较大的一方对结果，也就是u的影响更大。所以，我们也把w1,w2....称之为x1,x2..的权重值
向量
即为权重向量
根据训练数据中的期待结果和预
