Como se ha comentado, el objetivo es configurar los pesos y el bias del Perceptrón de forma que, cuando lleguen nuevas características predictivas, se asignen clases que sean coherentes con las clases de los datos de los que partimos.
Para esto, Frank Rosenblatt definió un procedimiento sencillo, pero razonablemente eficiente:
- En primer lugar, se inicializan los pesos (incluyendo el bias, esto no se volverá a mencionar) con ceros o con valores aleatorios pequeños
- A continuación, se van pasando las muestras una por una por la neurona. Para cada muestra:
- Se obtiene la predicción correspondiente, que vamos a llamar ŷ
- Se obtiene la diferencia entre la clase verdadera a la que pertenece la muestra (y) y la predicción (ŷ), y se modifican los pesos wi según un múltiplo de esta diferencia y del valor xi.
Es decir, si llamamos Δwi al incremento a aplicar a cada peso:
Δwi = η(y – ŷ).xi
