ponieważ każdy neuron ma jedno wyjście, więc jeżeli perceptron analizuje cech, to ma neuronów
Perceptron jako klasyfikator binarny Działanie perceptronu jest następujące:
w przypadku analizy 1 cechy perceptron ma 1 neuron; na jego wejścia podawane są wartości liczbowe analizowanej danej i jeżeli dana ta należy do analizowanej przez neuron klasy, to neuron na wyjściu poda liczbę , a gdy nie należy, to poda gdy perceptron klasyfikuje cech, to ma neuronów, mających wspólnych wejść; poszczególnym cechom analizowanej danej neurony przypiszą liczby 1 lub 0; na wyjściu perceptronu będzie więc wyjść od poszczególnych neuronów, każde w stanie wyjściowym 1 lub 0; perceptron przypisze więc danej wejściowej liczbę o bitach - kolejne bity określają, czy ta dana posiada czy nie poszczególne analizowane cechy. Z tego względu perceptron należy do klasyfikatorów binarnych.
Problem liniowej separowalności danych Problemy liniowo separowalne thumb|Dane w 2D są liniowo separowalne ze względu na jakąś cechę (np.