机器学习中线性模型和非线性的区别

最新推荐文章于 2025-09-30 23:27:56 发布

原创

最新推荐文章于 2025-09-30 23:27:56 发布 · 2.8w 阅读

CC 4.0 BY-SA版权

文章标签：

本文探讨了机器学习中线性模型和非线性模型的区别。线性模型，如逻辑回归，即使能进行曲线拟合，其分类决策边界仍为直线。非线性模型，如神经网络，通过多层节点的组合形成非线性决策边界。即使单个节点是线性的，如logistics模型，但多层结构使其整体成为非线性模型。

线性模型可以是用曲线拟合样本，但是分类的决策边界一定是直线的，例如logistics模型
区分是否为线性模型，主要是看一个乘法式子中自变量x前的系数w,如果w只影响一个x，那么此模型为线性模型。或者判断决策边界是否是线性的
举例
$y = 1 1 + e w 0 + w 1 * x 1 + w 2 * x 2$ $y=\frac{1}{1+e^{w_0+w_1*x_1+w_2*x_2}}$
画出y和x是曲线关系，但是它是线性模型，因为x1*w1中可以观察到x1只被一个w1影响

2 条评论

花✟水木丶 2020.05.22
https://blog.csdn.net/weixin_41797870/article/details/85012811 博主，你看看这篇是不是抄袭你的？一模一样，但是比你晚发1年。还是说你俩都不是原创？抄的同一篇文章

D_DreKing 2018.11.09
博主，我有个问题。你文中说非线性是因为x1被两个参数所影响，所以是非线性的。【原文：如果自变量x被两个以上的参数影响】但是神经网络，每个神经元如果都是线性神经元，那么最终网络可以表示成f(x) = W3(W2(W1x)))这种模式，这样的神经网络是非线性的？？？