logistics的缺点:对于线性不可分的数据没有办法分类,此时考虑在Logistic回归建模之前对特征进行转化,如图,左图中线性不可分的数据在特征转化后可以很好地被红色直线区分开。
因为概率y与x在logistics回归模型中是线性关系,右下角的图是无法用线性进行区分的。
对特征x进行转换为新的特征z
新特征z与x1,x2的关系
假设数据集是线性可分的,神经网络的neural network的目标是找到一个超平面,将两类数据完全的分隔开。
logistics的缺点:对于线性不可分的数据没有办法分类,此时考虑在Logistic回归建模之前对特征进行转化,如图,左图中线性不可分的数据在特征转化后可以很好地被红色直线区分开。
假设数据集是线性可分的,神经网络的neural network的目标是找到一个超平面,将两类数据完全的分隔开。