决策边界（Decision boundary ）

决策边界

决策边界的定义

决策边界是由分类模型的参数决定的，对不同类型数据进行划分的分类边界，在二维图上表示如下：

决策边界是由假设函数的参数决定的，例如假设函数
$$h_{\theta }=g({\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2)$$
其中g函数是sigmoid函数，因此，${\theta }^{T}x$大于等于0时，对应的$h_{\theta }(x)$取值大于0.5，预测值对应1。求解此时的${\theta }^{T}x$，可以得到直线
$$x_1+x_2>=3$$
该直线即为当前假设函数的决策边界。
注意：决策边界只与假设函数的参数有关，与训练集数据无关

复杂决策边界

除了上文提到的直线型决策边界，根据假设函数的不同，决策边界也可以有很多种类型，如下图所示：

假设函数中的${\theta }^{T}x$为二次多项函数

其他的高阶函数产生的不同的决策边界。