Algoritmo Perceptron

O Perceptron é um algoritmo de aprendizado de máquina supervisionado que é usado para classificar dados em duas classes. O algoritmo funciona criando um modelo de classificação binária que recebe uma entrada, realiza um cálculo e produz uma saída. O modelo é treinado usando um conjunto de dados rotulados, e os pesos são atualizados até que o modelo seja capaz de classificar corretamente todos os exemplos no conjunto de treinamento.

O objetivo do perceptron é encontrar um hiperplano que possa separar as duas classes de dados. O hiperplano é definido por pesos e um bias que são ajustados pelo algoritmo para minimizar o erro de classificação.

O Perceptron é um dos modelos mais simples de redes neurais artificiais, mas ainda é amplamente utilizado em problemas de classificação linear, em que os dados podem ser separados por uma linha reta. No entanto, o Perceptron tem limitações, por exemplo, ele não pode ser usado para problemas de classificação não lineares. Além disso, quando os dados não são linearmente separáveis, o algoritmo pode não convergir.

O algoritmo do Perceptron pode ser resumido em alguns passos:

- Inicialize os pesos e o bias com valores aleatórios ou definidos.

- Para cada exemplo no conjunto de treinamento, calcule a saída do modelo.

O repositório contém duas formas de se fazer o algoritmo, o código de ambas pode e deve ser otimizado, mas acredito que para quem esteja iniciando consiga entender e replicar sem grandes dificuldades.