首先个人感觉学习是个很抽象的概念，在学校念了这么多年书，我们称其为学习，但是要一个人对学习做出一个定义又非常之难，而这又是一个必须要搞清楚的问题，因为如果搞不清楚这个概念，就搞不清楚什么是机器学习，如果连机器学习是什么都没搞清楚又谈什么机器学习算法之类的呢？
好吧，我要承认的是，以我现在的水平还不能对学习做出一个很准确的数学上的定义来，所以直接拿来主义，看一下老师的对于机器学习的定义，我仍然不能保证它一定是对的，但在自己还没有办法搞出自己能够满意的回答来的时候，还是先学习吧。就像吃橙子的时候不一定要知道橙子的定义，学习的时候不知道学习的定义也是情有可原的。可是我虽然不知道橙子的定义，当我见到苹果的时候我是不会把它当成橙子的，但这种本领不是天生就有的，而是经过后天的学习得来的，从不知道的状态到知道的状态，也许就是学习，又或许我们通过机器学习可以得到一个学习的概念，又或者这个概念是不可能找到的。

我知道有一个标准的概念，它就在那里，但是我无法描述，只能体会（学习）。

扯得有些远，回到主题，什么是机器学习呢？一向都是能动手的时候尽量不说话，画个下面的图理解一下：

可以看到，把这些符号化以后还是非常激动人心的，至少现在有了这样一个模型，太开心,当然，这个图也不是我的，出处国立台湾大学机器学习基石，所以我也不负责它的正确性，只是觉得好拿来用用。
机器学习就是上图所示的这样一个过程。而PLA(Perceptron Learning Algorithm)就是众多机器学习算法中最基础的一个算法。有种预感的是，PLA是先于机器学习这个概念而出现的，至于为什么，想想就知道啊，因为这是一个学习的过程，学习的时候一般是不会有学习的概念的。

基本理论

In machine learning, the perceptron is an algorithm for supervised learning of binary classifiers: functions that can decide whether an input (represented by a vector of numbers) belong to one class or another.[2] It is a type of linear classifier, i.e. a classification algorithm that makes its predictions based on a linear predictor function combining a set of weights with the feature vector. The algorithm allows for online learning, in that it processes elements in the training set one at a time.

来自维基百科Perceptron。
好吧，继续做点翻译的事情：
在机器学习中，感知机是一种算法，主要用于二元分类器的监督型学习，那啥叫二元分类器呢，它就是一个函数，这个函数可以决定输入（由一个向量表示）是属于这一类的呢还是属于那一类。这是一种线性分类器，那啥叫线性分类器呢，线性分类器是一种分类算法，它是基于线性函数来做出预测的，线性函数把一集合的权重数和特征向量组合起来。这个算法在线学习，一个一个地处理训练集中的元素。
这里的概念一环扣一环，翻译过来有些不通顺，按照这个过程理解：函数->线性函数->线性分类器->二元分类器->感知机。只有后面三个概念新的。
看上去各种高大上，画个图再看看。

图同样来自维基百科 Perceptron#Definition。