Perceptron Redux

Introdução

O Perceptron é um dos modelos mais simples em machine learning, mas ainda é uma excelente porta de entrada para entender:

• Como modelos lineares funcionam
• O papel de pesos e bias
• Limitações de separabilidade linear

Equação do modelo

Um perceptron binário clássico pode ser escrito como:

onde:

• $x \in \mathbb{R}^d$ é o vetor de entrada
• $w$ são os pesos
• $b$ é o bias

Gráfico / figura

Você pode salvar figuras geradas em Python/Matplotlib, por exemplo, em public/images/ e referenciá-las assim:

Se a imagem não existir ainda, basta criá-la depois no diretório public/images/.

Código em bloco

import numpy as np

def perceptron_step(x, y, w, b, lr=0.1):
    y_hat = 1 if (np.dot(w, x) + b) >= 0 else -1
    if y_hat != y:
        w = w + lr * y * x
        b = b + lr * y
    return w, b

Conclusão

Mesmo sendo um modelo simples, o Perceptron ajuda a construir intuição para arquiteturas mais complexas, como redes neurais profundas e Transformers.