【機器學習】線性迴歸和線性分類器—應用

接着上一章的基礎篇 線性迴歸基礎篇 線性分類 線性分類器背後的基本思路是，目標分類的值可以被特徵空間中的一個超平面分開。如果這可以無誤差地達成，那麼訓練集被稱爲線性可分。 上面已經介紹了線性迴歸和普通最小二乘法（OLS）。現在考慮一個二元分類問題，將目標分類記爲「+1」（正面樣本）和「-1」（負面樣本）。最簡單的線性分類器可以通過迴歸定義： a ( x ) = sign ( w T x ) a(\

>>阅读原文<<