通过在训练数据上的迭代优化，找到最优的参数(W,b)，使得神经网络未知的测试数据也能做出准确的预测，即实现泛化，让模型的预测输出尽可能接近真实标签，最小化预测误差。准确率是离散的、非可微的函数，而神经网络的训练依赖梯度下降，要求优化目标是连续可微（或分段可微）的函数，只有可微的函数才能计算梯度，进而通过梯度更新参数。单层感知机的决策边界是线性的，只能处理线性可分的二分类问题，对于非线性问题（如异或