퍼셉트론 (Perceptron)

신경망의 조상. 1958년 Rosenblatt 가 제안한 가장 오래된 선형 분류 알고리즘. 로지스틱 회귀와 달리 확률 대신 부호만 따집니다.

알고리즘

데이터 레이블 $y \in \{-1, +1\}$ 에 대해:

초기: w = 0, b = 0
각 반복마다:
    각 샘플 (x, y) 에서:
        if y * (w·x + b) <= 0:   # 오분류
            w += y * x
            b += y

수렴 보장: 데이터가 선형 분리 가능하면 유한 횟수에 멈춥니다 (Perceptron Convergence Theorem).

한계

• 확률 출력 없음
• 선형 분리 불가능 데이터(XOR 등) 에서 영원히 수렴 안 함

과제

함수 fit_perceptron-v1(X, y, n_iter) -> (w, b) 를 완성하세요.

• X shape (N, D), y shape (N,) with {-1, +1}.
• 반환: w (D,), b float.
• n_iter 에포크 반복.

테스트 케이스

#	이름	검증
1	w shape (D,)
2	분리 가능 데이터 → 100% 정확도	sign(Xw+b) == y 모두
3	초기 w, b 변화	학습 후 변함
4	분리 방향 맞음	양성 중심 예측 > 0