2017.05.05回顾 关于决策边界的一些思考

星期五最重要的一个收获是在快下班的时候，关于LR在二维平面上的决策边界问题，一般来说以大于0.5为1，小于0.5为0，所以决策边界就是令Z = 0，也就是W0 + W1 * X1 + W2 * X2 = 0，在二维平面上画图的时候，就是X2 = (-W0-W1*X1)/W2，用这个式子找两个点就可以画出一条决策边界，但是对于bad rate很低的数据集，必然所有的点prob都小于0.5，也就是在决策边界的一边，斜率不变，平移这条决策边界，也就是在改变Z = 0，变为Z = C，开始我有点迷惑的是Z > 0和Z < 0在这条决策边界的哪一边？我开始的做法是假设了一条线，y = f(x) = ax + b这样，然后把其变成F(x,y) = 0这样一个式子，然后带入直线某一边的某个点看其结果是大于0还是小于0，带入后我发现与实际情况是相悖的，我就一直在这个地方纠结，后来恍然大悟，存在一个负号的问题，因为我是把y = f(x) = ax + b还原成的F(x,y) = 0，左右两边乘以一个负号，式子是不变的，但是那个点带入F(x,y)的时候，就有一个负号的关系，回到问题的原点，我们是先就有这样一个 Z = 0，才把它变成了y = ax + b进行作图，所以点应该带入到Z出来做判断，最后我平移画出了一个比较好的决策边界，首先这个问题温习了带点法去判断线不等式的划分区域，然后明确了谁先谁后的问题，Z = 0才是先，y = ax + b只是为了画图

下午基本上就是编辑邮件，说清楚模型的事情，一定要加强文档能力

上午和SIMON线性可分的判断问题，有一个问题我还没来得及思考，他的观点我还需要思考一下。上午还做了什么？上午就是SIMON提出了观点，我在做相关的一些思考和程序准备，下午还给了wilfred一些SQL

2017/05/09更新，我后来思考了一下，思考过程如下：

我最开始用等容量的方式画了一个图，然后呈现一定的对角线性质
然后我告诉boss，说明了线性可分性，我这个说法遭到了质疑
我这种说法是否真有问题？
我们和另外一种方法比较，我画出所有的散点图，然后观察是否存在一条直线可以很好地划分数据集，这样说明线性可分是不是很好？没有问题的？肉眼如果观察不错，可以说明用直线去划分还是不错的！所以这个是比较好的方法，但是我实践发现这个方法并没有等距分成几个bin然后观察更直观，这个也是SIMON所建议的方法，所以观察是否线性可分或者说用直线能否做很好的划分，后两者的确更佳。
那现在的问题回到前面，等容量的方法能否比较粗略（相较于等距的方法）观察是否可以线性划分呢？
1、考虑一种特例，如果等容量恰好和等距是相同的，那等容量肯定没问题
2、现在的问题就是把等容量的还原到真实的坐标上的时候，每个CELL肯定有大有小，但我还是可以找到一条直线去做一个划分，但是这条直线和等容量的时候那条直接就是两码子事了啊
3、下面再考察一个问题，等容量时候画的那条直线，在等bin的时候该怎么对应过去？对角线画法是否合理？合理的，所以等价过来，就不是线性了啊
OK，这个问题解决了
那下面再提一个问题，我们看线性可分，用等步长的方式看到底是否存在问题？
等步长我画一条直线还原出来就是一条直线（每个格子的对角线），所以没问题，我现在思考的是不是对角线的情况，这个要看划线的时候是怎样一个定义，本身每一格都只是一个统计值，如果把格子作为一种长度度量，画了再还原还是没问题，所以这种粗略地看，我觉得没问题


最后一个问题，那等容量的看意义何在呢？
1、大概可以看一下，一个认为好的，另外一个认为如何？
2、难道还能发现啥子非线性关系？本身直线还原出来都有可能是非线性的，怎么看？
和Simon讨论了下，结论感觉就是等容量看不出什么东西，只能有一些感性认识，比如一个认为好的，另一个认为也好，这种结论，讨论线性可分还是用原始图，和等步长图比较好！