【机器学习】线性回归和线性分类器—应用

接着上一章的基础篇 线性回归基础篇 线性分类 线性分类器背后的基本思路是，目标分类的值可以被特征空间中的一个超平面分开。如果这可以无误差地达成，那么训练集被称为线性可分。 上面已经介绍了线性回归和普通最小二乘法（OLS）。现在考虑一个二元分类问题，将目标分类记为「+1」（正面样本）和「-1」（负面样本）。最简单的线性分类器可以通过回归定义： a ( x ) = sign ( w T x ) a(\

>>阅读原文<<