퍼셉트론 규칙은 머신 러닝 분류 알고리즘을 배우기에 간단하고 좋은 모델이지만 가장 큰 단점은 클래스가 선형적으로 구분되지 않을 때 수렴할 수 없다는 것입니다. 이전 절의 분류 작업이 그런 예입니다. 에포크마다 적어도 하나의 샘플이 잘못 분류되기 때문에 가중치 업데이트가 끝도 없이 계속됩니다. 물론 학습률을 바꾸거나 에포크 횟수를 늘릴 수 있지만 퍼셉트론은 이 데이터셋에 절대 수렴하지 못합니다.

여전히 간단하지만 선형 이진 분류 문제에 더 강력한 다른 알고리즘인 로지스틱 회귀(logistic regression)를 살펴보는 것이 현명한 방법입니다. 이름이 회귀이지만 로지스틱 회귀는 회귀가 아니라 분류 모델입니다.