Learning Focus
学习目标
把每节内容压缩成可以直接执行的工程判断，阅读时优先看目标，再看代码。
Focus 01
感知机把输入乘以权重再加偏置，之后通过激活函数得到输出。
Focus 02
线性模型只能表达线性边界，非线性问题需要隐藏层和非线性激活。
Focus 03
训练的目标是找到让损失更小的权重和偏置。
理解方式
先把概念放进完整系统中理解，再用最小代码或配置确认它如何工作。
- 它解决什么问题。
- 它依赖什么组件。
- 它失败时怎么处理。
示例
代码示例突出最小可理解片段，用来连接概念和工程实践。
def neuron(x, w, b):
z = sum(xi * wi for xi, wi in zip(x, w)) + b
return 1 if z > 0 else 0
print(neuron([1, 0], [0.7, -0.2], -0.3))常见误区
- 只记配置项，不理解它在调用链路中的位置。
- 把示例代码直接搬进生产环境，没有补充超时、校验、日志和回退策略。
- 学习神经网络时只看框架 API，不检查输入输出形状和数据分布。
练习
手算输入 [2, 1]、权重 [0.5, -1]、偏置 0.2 时的 z 值。