何为线性与非线性
按照集合的角度来看,线性
和非线性
可以将集合填满,即一个分类器不是线性的就是非线性的。那何为线性呢,就是说分类器的决策边界
为线性函数形式
判断方式
以二分类的逻辑回归为例,给出结论:逻辑回归为线性分类器,证明如下:
要证明逻辑回归为线性分类器,只需要证明其决策边界为线性函数形式。
而逻辑回归中
p
(
y
=
1
∣
x
;
w
,
b
)
=
1
1
+
exp
−
(
θ
x
+
b
)
p(y=1|x;w,b)=\frac{1}{1+\exp^{-(\theta x+b)}}
p(y=1∣x;w,b)=1+exp−(θx+b)1
p
(
y
=
0
∣
x
;
w
,
b
)
=
exp
−
(
θ
x
+
b
)
1
+
exp
−
(
θ
x
+
b
)
p(y=0|x;w,b)=\frac{ \exp^{-(\theta x+b)} }{1+\exp^{-(\theta x+b)}}
p(y=0∣x;w,b)=1+exp−(θx+b)exp−(θx+b)
我们知道,判断逻辑回归为正样本还是负样本时,做法是比较上面这两个式子哪个大哪个小,即上式哪一项大于0.5,则最后在判断时将其预测为哪一类。从这里可以推断出来,在决策边界上有
p
(
y
=
1
∣
x
;
w
,
b
)
=
p
(
y
=
0
∣
x
;
w
,
b
)
p(y=1|x;w,b) = p(y=0|x;w,b)
p(y=1∣x;w,b)=p(y=0∣x;w,b),如果化简,可以得到其决策边界为
θ
x
+
b
=
0
\theta x+b=0
θx+b=0显然这是一个线性的决策边界,即逻辑回归为线性分类器