對于訓練樣本集中的每一個樣本依次拿出來訓練，因為是有監督學習，訓練樣本中包含了樣本真實的分類，所以從感知函數輸出后如果與真實分類不同，則調整權重向量，反之不需要調整。

分類器一般輸出結果為準確率(置信值)和類別標簽，比如準確率為0.97，0.86等數值，類別標簽是訓練時你自定義的，比如0和1,比如硬幣，0表示硬幣的正面，1表示硬幣的反面。你還可以在程序中用if語句判斷準確率的閾值，假設你設置準確率>=0.9的結果是可信的,<0.9的準確率是不可信的,最后提取你認為準確的結果(類別標簽)。