感知器（perceptron）和支持向量机（svm）只能用于线性可分的样本吗？

单层感知器只有线性表达能力，多层感知器，加上非线性激活函数，就有了非线性能力。
svm的线性核只能用于线性可分的样本，非线性核则不然，可以有非线性拟合能力。
其实感知器和svm本

单层感知器只有线性表达能力，多层感知器，加上非线性激活函数，就有了非线性能力。

svm的线性核只能用于线性可分的样本，非线性核则不然，可以有非线性拟合能力。

其实感知器和svm本质上只能对线性可分的数据进行分类。

多层感知器前面的L-1层可以看做“特征提取”过程，讲线性不可分的原始数据映射要线性可分的特征空间中。

svm的非线性核也一样，等价于将线性不可分的原始数据映射到线性可分的“希尔波特空间”中。

这种特征提取的非线性拟合过程完全可以用其他方式进行(如深度神经网络)。