ml疑难总结

这篇文章主要记录一下一直困扰着自己的一些机器学习基础问题

1.线性模型和非线性模型、

下面一段引用自知乎 https://zhuanlan.zhihu.com/p/37866896

1. 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 模型；
2. 区分是否为线性模型，主要是看一个乘法式子中自变量 前的系数 ，应该是说x只被一个影响，那么此模型为线性模型。或者判断决策边界是否是线性的；
3. 举例： ，画出 和 是曲线关系，但是它是线性模型，因为 中可以观察到 只被一个 影响；此模型是非线性模型，观察到 不仅仅被参数 影响，还被 影响，如果自变量x被两个以上的参数影响，那么此模型是非线性的；

4 其实最简单判别一个模型是否为线性的，只需要判别决策边界是否是直线，也就是是否能用一条直线来划分；

2.二分类和多分类

现实中经常会遇到多分类任务，有些二分类学习方法可以直接推广到多分类，但在更多情形我们是基于一些基本策略，利用二分类学习器来解决多分类问题

“拆解法”

将多分类任务拆成若干个二分类任务，每个二分类训练出一个学习器（训练过程）

测试时，对这些问题的预测结果进行集成（测试过程）

分类：

一对一（OvO）

一对其余（OvR）

多对多（MvM）

OvO：

将一个N分类问题拆解成N(N-1)/2个二分类问题进行训练，测试时进行投票

OvR：

将一个N分类问题拆解成N个二分类问题，测试时分两种情况，如果只有一个判出，则正常，如果有多个判出，则根据置信度等进行选择

MvM：

有一个判出，则正常，如果有多个判出，则根据置信度等进行选择

MvM：

EOOC纠错输出码。