机器学习中线性模型和非线性的区别

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,如逻辑回归,即使能进行曲线拟合,其分类决策边界仍为直线。非线性模型,如神经网络,通过多层节点的组合形成非线性决策边界。即使单个节点是线性的,如logistics模型,但多层结构使其整体成为非线性模型。
摘要由CSDN通过智能技术生成

误区

  • 线性和非线性的区别是是否可以用直线将样本划分开(这个观点是对的)
  • 和同学讨论到logistics模型是线性还是非线性的,很难理解!(logistics模型是广义线性模型)
  • 区分一下回归和分类问题,线性模型是可以用来曲线拟合(回归)的,但是线性模型模型的分类一定是一条直线的,例如logistics模型。

线性模型和非线性模型区别

  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logistics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x前的系数w,如果w只影响一个x,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
    y=11+ew0+w1x1+w2x2

    画出yx是曲线关系,但是它是线性模型,因为x1*w1中可以观察到x1只被一个w1影响

  • 8
    点赞
  • 54
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值