a. 線性模型可以用曲線擬合樣本，線性模型可以是用曲線擬合樣本，但是分類的決策邊界一定是直線的，例如logistics模型（廣義線性模型，將線性函式進行了一次對映）。
b. 區分是否為線性模型，主要是看乙個乘法式子中自變數x前的係數w,如果w只影響乙個x，那麼此模型為線性模型。或者判斷決策邊界是否是線性的
舉例：\[y=\frac}
\]畫出y和x是曲線關係，但是它是線性模型，因為x1*w1中可以觀察到x1只被乙個w1影響
\[y=\frac}
\]此模型是非線性模型，觀察到x1不僅僅被引數w1影響，還被w5影響，如果自變數x被兩個以上的引數影響，那麼此模型是非線性的！
c. 其實最簡單判別乙個模型是否為線性的，只需要判別決策邊界是否是直線，也就是是否能用一條直線來劃分
神經網路激勵函式的作用是什麼？有沒有形象的解釋？ - lee philip的回答 - 知乎
總結：sigmoid啟用函式可以引入非線性因素，讓模型學習到乙個分類平面，得到乙個非線性的決策邊界，如下圖
logistic regression模型是廣義線性模型，因為 logistic 回歸的決策邊界（decision boundary）是線性的：
lr是線性模型，可以理解為將普通的線性模型的結果對映到乙個（0,1）的區間而已，然後劃分乙個界限（0.5）
雖然神經網路的每個節點是乙個logistics模型，但是組合起來就是乙個非線性模型。
此處我們僅僅考慮三層神經網路
第一層的表示式：
\[y1=\frac}
\]\[y2=\frac}
\]第二層的表示式：
\[z=\frac}
\]將第一層的表示式帶入第二層表示式中，可以觀察到x1變數不僅僅被w1影響還被k2影響，所以此模型不是乙個線性模型，是個非線性模型。
線性特徵與非線性特徵 線性模型與非線性模型
這是個見仁見智的問題，也就是說，它似乎沒有乙個確定的答案，因而我們不糾結於到底把這個模型稱作 線性model or 非線性model 從這麼僵化的論戰裡跳脫出來，好好掰扯一下這個問題 若我們的樣本是線性可分的，那麼我們直接使用線性model就可以解決分類問題，如lr。下圖是lr的決策邊界示意圖 最後...
機器學習中線性模型和非線性的區別
1 線性和非線性的區別是是否可以用直線將樣本劃分開 這個觀點是對的 2 線性模型可以是用曲線擬合樣本，但是分類的決策邊界一定是直線的，例如logistics模型 3 區分是否為線性模型，主要是看乙個乘法式子中自變數x前的係數w,如果w只影響乙個x，那麼此模型為線性模型。或者判斷決策邊界是否是線性的線...
非線性模型（R語言）
首先，繪製出原資料的散點圖。試下如下 data9.3 attach data9.3 plot x,y 輸出結果為 可以看出，這時y yy與x xx之間呈現出非線性，因此需要對資料進行非線性回歸分析。實現如下 nls9.3 summary nls9.3 eebar sesse prey pybar y...