本文探讨了机器学习中线性模型和非线性模型的区别。线性模型强调参数项为常数或特征乘积的加和，如线性回归，即使涉及特征的平方或更高次幂。非线性模型则因其参数的非线性特性，能更好地拟合复杂曲线，如多项式回归。
在机器学习的回归问题中，线性模型和非线性模型都可以去对曲线进行建模，那么线性模型和非线性模型有什么区别呢？
其实，线性模型和非线性模型的区别并不在于能不能去拟合曲线。下面我们来详细介绍一下它们两个的区别。
线性回归的等式
线性回归需要一个线性的模型。这到底意味着什么呢？
一个模型如果是线性的，就意味着它的参数项要么是常数，要么是原参数和要预测的特征之间的乘积加和就是我们要预测的值。
Response = constant + parameter * predictior1 + ... + parameter * predictior2
下是个典型的线性模型：
Y=b+w1x1+w2x
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
