首先線性和非線性是針對模型引數和輸入特徵來講的：
比如輸入x，模型y=ax+ax^2那麼就是非線性模型，如果輸入是x和x^2則模型是線性的。
再看定義考慮二類的情形，所謂線性分類器即用乙個超平面將正負樣本分離開，表示式為 y=wx 。這裡是強調的是平面。而非線性的分類介面沒有這個限制，可以是曲面，多個超平面的組合等。
線性分類器可解釋性好，計算複雜度較低，不足之處是模型的擬合效果相對弱些。
非線性分類器效果擬合能力較強，不足之處是資料量不足容易過擬合、計算複雜度高、可解釋性不好。
常見的線性分類器有：lr,貝葉斯分類，單層感知機、線性回歸
常見的非線性分類器：決策樹、rf、gbdt、多層感知機
svm兩種都有（看線性核還是高斯核）
線性分類器和非線性分類器
線性和非線性的區別 1.線性linear，指量與量之間按比例 成直線的關係，在數學上可以理解為一階導數為常數的函式 非線性non linear則指不按比例 不成直線的關係，一階導數不為常數。2.線性的可以認為是1次曲線，比如y ax b 即成一條直線 非線性的可以認為是2次以上的曲線，比如y ax ...
ML 線性分類器和非線性分類器的區別
q 什麼是分類器？a 就是用來把輸入的資料進行分類的模型 本質上是函式 圖1，黑色的曲線就是非線性分類器。以曲線的形式分類了紅點和藍點。圖2，黑色的直線就是線性分類器。以直線的形式分類紅點和藍點。一 線性分類器 以上圖的二分類 紅點和藍點 為例 線性分類器就是用乙個 超平面 將兩個樣本隔離開，如 常...
機器學習總結之 線性分類器與非線性分類器
1 線性分類器 1.1線性分類器的定義 線性分類器就是用乙個 超平面 將正 負樣本隔離開，如 1 二維平面上的正 負樣本用一條直線來進行分類 2 三維立體空間內的正 負樣本用乙個平面來進行分類 3 n維空間內的正負樣本用乙個超平面來進行分類。1.2常見的線性分類器 常見的線性分類器有 lr，貝葉斯分...