第2章 感知机
覆盖感知机模型、误分类损失、原始/对偶算法与收敛性；用推导路径、单故障数值轨迹和结论验收门完成独立复核。
学习目标
- 能说明“第2章 感知机”如何覆盖感知机模型、误分类损失、原始/对偶算法与收敛性，并区分原版范围、独立核验和后续扩展
- 能先预测“怎样沿一个误分类点重放参数更新，并说明线性可分条件在收敛证明中的作用？”的定义与数值路径，再用已知量、变换、残差和反例逐步复核
- 能注入“数据不可分仍等待有限步收敛，或改变样本顺序后只展示一次幸运轨迹”，用“特征、标签编码、初值、误分类选择顺序、步长与可分性条件固定”决定接受、降级或拒绝方法结论
为什么从这个方法推演开始
感知机页把“找到分离面”拆成逐样本更新和可分性条件。 “第2章 感知机”的贯穿任务是：在二维可分与不可分样本上手算原始形式和对偶形式的每次更新。 动手前先写下哪个定义、矩阵、分布、目标或迭代状态会变化；运行后补理由不算预测。
本页围绕“怎样沿一个误分类点重放参数更新，并说明线性可分条件在收敛证明中的作用？”建立参考、故障与恢复路径。只有“第2章 感知机”守住“特征、标签编码、初值、误分类选择顺序、步长与可分性条件固定”并交付样本顺序、Gram矩阵、参数初值、误分类索引、更新表、间隔、迭代上限与不可分反例。，公式、图形或指标才构成统计学习证据。
书目、285个原版层级与版本边界
“第2章 感知机”以清华大学出版社官方书页核对李航著《统计学习方法（第2版）》于2019年出版、ISBN 9787302517276和监督/无监督两篇结构，同时以出版社英文版权页确认484页及两篇主要内容，再以出版社公开完整目录逐项核对两篇、22章、256个编号节/小节和附录A-E，因此本站覆盖分母共285个正式目录层级。
“第2章 感知机”未取得原书完整正文授权，只以出版社完整目录限定范围；中文解释、推导、数值实验、交互、练习与答案均为独立教学重写。“第2章 感知机”按2019年第2版范围解释；当前库函数和后续研究只作独立核验，不反写原版。
本页另以技术核对 1、技术核对 2、技术核对 3核对算法原始定义、实现语义或数值工具。外部资料能验证技术事实，不能反向证明原书正文采用了本站表述。
原版目录层级与方法机制
第2章 感知机
↡感知机对应原版目录坐标“第2章 感知机”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 1/9。 在“第2章 感知机”的坐标1中，目录项「第2章 感知机」用于沿误分类样本更新超平面并验证可分条件；先冻结符号与形状，再以样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹复核，出现不可分仍宣称有限步收敛时撤回结论。
2.1 感知机模型
↡感知机模型对应原版目录坐标“2·1 感知机模型”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 2/9。 目录项「2·1 感知机模型」进入“第2章 感知机”后要回答第2个方法问题：它怎样沿误分类样本更新超平面并验证可分条件、改变什么数值状态、由哪些样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹证明，并如何排除不可分仍宣称有限步收敛。
2.2 感知机学习策略
↡感知机学习策略对应原版目录坐标“2·2 感知机学习策略”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 3/9。 围绕“怎样沿一个误分类点重放参数更新，并说明线性可分条件在收敛证明中的作用？”，在“第2章 感知机”的原版层级3把「2·2 感知机学习策略」落实为沿误分类样本更新超平面并验证可分条件；复核者先读取样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹，不能接受不可分仍宣称有限步收敛。
2.2.1 数据集的线性可分性
↡数据集的线性可分性对应原版目录坐标“2·2·1 数据集的线性可分性”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 4/9。 对“第2章 感知机”而言，目录项「2·2·1 数据集的线性可分性」的最小推演合同是沿误分类样本更新超平面并验证可分条件，第4次检查保存样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹；若产生不可分仍宣称有限步收敛，就返回上一步。
2.2.2 感知机学习策略
↡感知机学习策略对应原版目录坐标“2·2·2 感知机学习策略”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 5/9。 第5个正式坐标「2·2·2 感知机学习策略」服务于覆盖感知机模型、误分类损失、原始/对偶算法与收敛性，需要以样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹呈现沿误分类样本更新超平面并验证可分条件；不可分仍宣称有限步收敛会破坏“特征、标签编码、初值、误分类选择顺序、步长与可分性条件固定”。
2.3 感知机学习算法
↡感知机学习算法对应原版目录坐标“2·3 感知机学习算法”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 6/9。 在“第2章 感知机”的坐标6中，目录项「2·3 感知机学习算法」用于沿误分类样本更新超平面并验证可分条件；先冻结符号与形状，再以样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹复核，出现不可分仍宣称有限步收敛时撤回结论。
2.3.1 感知机学习算法的原始形式
↡感知机学习算法的原始形式对应原版目录坐标“2·3·1 感知机学习算法的原始形式”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 7/9。 目录项「2·3·1 感知机学习算法的原始形式」进入“第2章 感知机”后要回答第7个方法问题：它怎样沿误分类样本更新超平面并验证可分条件、改变什么数值状态、由哪些样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹证明，并如何排除不可分仍宣称有限步收敛。
2.3.2 算法的收敛性
↡算法的收敛性对应原版目录坐标“2·3·2 算法的收敛性”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 8/9。 围绕“怎样沿一个误分类点重放参数更新，并说明线性可分条件在收敛证明中的作用？”，在“第2章 感知机”的原版层级8把「2·3·2 算法的收敛性」落实为沿误分类样本更新超平面并验证可分条件；复核者先读取样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹，不能接受不可分仍宣称有限步收敛。
2.3.3 感知机学习算法的对偶形式
↡感知机学习算法的对偶形式对应原版目录坐标“2·3·3 感知机学习算法的对偶形式”，在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 9/9。 对“第2章 感知机”而言，目录项「2·3·3 感知机学习算法的对偶形式」的最小推演合同是沿误分类样本更新超平面并验证可分条件，第9次检查保存样本顺序、参数/对偶系数、Gram矩阵、间隔与迭代轨迹；若产生不可分仍宣称有限步收敛，就返回上一步。
先预测，再操作三个章专属实验
1. 定义、推导与变换路径
固定“在二维可分与不可分样本上手算原始形式和对偶形式的每次更新。”，在参考与反例间切换，逐阶段查看“样本与超平面、误分类判定、原始更新、对偶系数、收敛复核”的已知量、变换、结果和数值检查。
推导路径
选择案例，逐步核对已知量与变换
怎样沿一个误分类点重放参数更新，并说明线性可分条件在收敛证明中的作用？
问题设置
在二维可分与不可分样本上手算原始形式和对偶形式的每次更新。 固定符号、数据、初值、顺序、容差和种子。
事前预测
沿“样本与超平面 → 误分类判定 → 原始更新 → 对偶系数 → 收敛复核”得到可复核结果。
适用边界
全过程必须满足“特征、标签编码、初值、误分类选择顺序、步长与可分性条件固定”。
已知量
第2章 感知机：声明对象、符号与适用域，冻结数据、形状和版本
变换或更新
只读取本步允许的已知量，并持续满足“特征、标签编码、初值、误分类选择顺序、步长与可分性条件固定”
阶段结果
样本与超平面产生形式化问题状态
数值与逻辑检查
形式化问题状态、索引和数值断言；出现“数据不可分仍等待有限步收敛，或改变样本顺序后只展示一次幸运轨迹”时停止
原版坐标：第2章 感知机、2.1 感知机模型、2.2 感知机学习策略、2.2.1 数据集的线性可分性、2.2.2 感知机学习策略、2.3 感知机学习算法、2.3.1 感知机学习算法的原始形式、2.3.2 算法的收敛性、2.3.3 感知机学习算法的对偶形式
第2章 感知机的可重放方法协议
| 阶段 | 允许动作 | 必留证据 | 拒绝条件 |
|---|---|---|---|
| 样本与超平面 | 在“第2章 感知机”执行样本与超平面，只改变声明的数学或数值状态 | 符号、定义域、形状、数据与版本 | 对象或形状不可追溯 |
| 误分类判定 | 在“第2章 感知机”执行误分类判定，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 数据不可分仍等待有限步收敛，或改变样本顺序后只展示一次幸运轨迹 |
| 原始更新 | 在“第2章 感知机”执行原始更新，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 数据不可分仍等待有限步收敛，或改变样本顺序后只展示一次幸运轨迹 |
| 对偶系数 | 在“第2章 感知机”执行对偶系数，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 数据不可分仍等待有限步收敛，或改变样本顺序后只展示一次幸运轨迹 |
| 收敛复核 | 在“第2章 感知机”执行收敛复核，只改变声明的数学或数值状态 | 残差、诊断、反例、适用边界与复现 | 无法重放或缺少诊断 |
unit: "slm-02"
question: "怎样沿一个误分类点重放参数更新，并说明线性可分条件在收敛证明中的作用？"
scenario: "在二维可分与不可分样本上手算原始形式和对偶形式的每次更新。"
stages: ["样本与超平面", "误分类判定", "原始更新", "对偶系数", "收敛复核"]
invariant: "特征、标签编码、初值、误分类选择顺序、步长与可分性条件固定"
fault: "数据不可分仍等待有限步收敛，或改变样本顺序后只展示一次幸运轨迹"
evidence: "样本顺序、Gram矩阵、参数初值、误分类索引、更新表、间隔、迭代上限与不可分反例。"
reset: restore_case_stage_trace_mode_step_gates_and_artifact该协议要求“第2章 感知机”在相同符号、数据、形状、初值、顺序、容差和种子下重放。重置后若案例、阶段、轨迹模式、步骤、结论门或证据包没有回到基线，交互状态已经污染比较。
本页回顾
掌握“第2章 感知机”不是背诵公式或API，而是能围绕“怎样沿一个误分类点重放参数更新，并说明线性可分条件在收敛证明中的作用？”重建定义与数值证据，并用“特征、标签编码、初值、误分类选择顺序、步长与可分性条件固定”拒绝“数据不可分仍等待有限步收敛，或改变样本顺序后只展示一次幸运轨迹”。最终交付为样本顺序、Gram矩阵、参数初值、误分类索引、更新表、间隔、迭代上限与不可分反例。
练习与答案
练习
- 问题 1：方法合同。 “第2章 感知机”为什么必须先冻结符号、数据、形状、初值、顺序、容差和种子？
- 问题 2：目录逐项覆盖。 怎样证明原版目录坐标已经进入机制、交互和练习？
- 问题 3：故障恢复。 怎样证明“数据不可分仍等待有限步收敛，或改变样本顺序后只展示一次幸运轨迹”已经被修正？
名词解释
名词解释
本章出现的专业名词，用大白话再讲一遍。
- 感知机
检索键 slm-A 对应目录坐标「第2章 感知机」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。
- 感知机模型
检索键 slm-B 对应目录坐标「2·1 感知机模型」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。
- 感知机学习策略
检索键 slm-C 对应目录坐标「2·2 感知机学习策略」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。
- 数据集的线性可分性
检索键 slm-D 对应目录坐标「2·2·1 数据集的线性可分性」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。
- 感知机学习策略
检索键 slm-E 对应目录坐标「2·2·2 感知机学习策略」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。
- 感知机学习算法
检索键 slm-F 对应目录坐标「2·3 感知机学习算法」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。
- 感知机学习算法的原始形式
检索键 slm-G 对应目录坐标「2·3·1 感知机学习算法的原始形式」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。
- 算法的收敛性
检索键 slm-H 对应目录坐标「2·3·2 算法的收敛性」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。
- 感知机学习算法的对偶形式
检索键 slm-I 对应目录坐标「2·3·3 感知机学习算法的对偶形式」；在“第2章 感知机”中用于沿误分类样本更新超平面并验证可分条件，需要连接原版范围、定义、数值状态与独立证据。