パラメータ設定
学習率 η
—
エポック数
回
w_1 初期値
—
b 初期値
—
w_2 の初期値は 0.5 に固定しています。データは固定シード（LCG seed=42）で生成され、再描画しても同じ20点が現れます。
計算結果
—
最終分類精度
—
学習後 w_1
—
学習後 w_2
—
収束エポック数
最終決定境界
青丸＝クラス+1／赤×＝クラス-1／緑実線＝学習後の決定境界／灰色破線＝真の境界 x1+x2=0
理論・主要公式
単純パーセプトロンは2入力の線形しきい値素子で、出力は重み付き和の符号として与えられます：
$$y = \operatorname{sign}(w_1 x_1 + w_2 x_2 + b)$$学習則（パーセプトロン学習アルゴリズム、PLA）。$t$ は教師信号 $\pm 1$、$y$ はモデル出力：
$$w_i \leftarrow w_i + \eta\,(t - y)\,x_i,\quad b \leftarrow b + \eta\,(t - y)$$決定境界は $w_1 x_1 + w_2 x_2 + b = 0$、グラフ表示用に整理すると：
$$x_2 = -\frac{w_1 x_1 + b}{w_2}$$マージン（最近傍点までの距離）は重みノルムで正規化して評価します：
$$\gamma = \frac{w \cdot x_{\text{target}} + b}{\|w\|}$$データが線形分離可能であれば、パーセプトロン収束定理により有限回の反復で必ず分離超平面が得られます。