这个Project主要实现了两个任务：

1. 用Perceptron 识别不同的Pacman，画一条线区分开。

Perceptron classifier 是一种识别分类问题的简单机器学习算法。 【基本上就是画个线区分开来】

给一堆features 给Perceptron模型，features假设当做x，Perception会算出 x*w 的值。 x， w 我们要当向量去看，因为features会有很多values， weights也会有很多values。

一开始我们是不知道weight应该是多少的，要自己去find weights。 每当我们预测一个类别，假设预测正确，说明现在模型挺好。 如果预测错误，代表模型weights有问题，往回调一点weights。

不断训练，每次训练classify一个值，如果==正确的label 就不用管他。如果预测错误，假设现在有两类的weights

一类是预测猫一类预测狗。正确答案是猫，我们现在预测了狗。 那么我们要把预测猫的weights多加一点以后让他可以预测成猫，预测狗的weight减少一点。

2. MNIST Dataset识别 

之后切换成Tensorflow来组MNIST Dataset的classification

实现了一个Gradient 和 Momentum 以及HyperParamter。