返回信息流仅供大家参考一下：
https://gist.github.com/ghostrong/7820723#file-hw1_naive_perceptron-py
有一个问题我不是很理解，请教一下大家，为什么这位作者在PLA算法中，加载训练数据中的向量时，要给所有数据都加一个值为1的维度？
line 47 in hw1_naive_perceptron.py
x = [1] + [float(v) for v in recs[:-1]]
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #12261同步于 2013/12/22
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
coursera上的课程找到一位同学发的作业源码了
whui
2013/12/22镜像同步4 回复
订阅后，新回复会通过你的通知中心匿名送达。
4 条回复
【 在 ianchen28 的大作中提到: 】
: 现行分类器f(x) = wx + b 中的 b，训练时使用f(x_cap) = wx_cap 中的x_cap就是[x0,x]，其中x0 = 1。
所以这个1，只是作为一个维度的参数给的，值是多少不重要是么
理论上是这样的，因为只是b一个初值，就像w0取值为全0一样
反正最后优化结果都会收敛到和训练数据相关的一个值
【 在 whui 的大作中提到: 】
:
: 所以这个1，只是作为一个维度的参数给的，值是多少不重要是么
只是表示方式变了一下吧，后面+b不用单独加了。
【 在 whui 的大作中提到: 】
: 仅供大家参考一下：
: https://gist.github.com/ghostrong/7820723#file-hw1_naive_perceptron-py
: 有一个问题我不是很理解，请教一下大家，为什么这位作者在PLA算法中，加载训练数据中的向量时，要给所有数据都加一个值为1的维度？
: ...................