Wf和Wt内积越来越大，说明两向量越来越接近，Wt更新后会越接近目标值Wf。
Wt慢慢长，说明内积越来越大，不完全是长度变大，而是越来越靠近，两向量夹角在减小。
又因为两个正规化向量的内积最大为1。
下面给出证明：
有问题的地方是中间怎么Wf^T.Wt-1怎么变成W0
PLA优缺点：
优点：易执行，快，可以工作在任意维度的数据。
缺点：需要提前知道数据是否线性可分，不能确定何时能停下来。
改进或者另一个替换算法，可用在未知数据是否线性可分的情况下使用，Pocket算法。
这是一种贪心算法，每当更新W值时，检查所有点，记录错误数目，总是把错误最少的那个W存起来，代价就是，如果数据线性可分，运行时间会比PLA长很多。
引用：其他人博客上笔记
