人工分类 if else

什么是分类业务，如何画边界线
样本构建分类模型，预测测试样本的类别

image.png
所有样本的下标 为 0 1 的部分切片
image.png
为点绑上 颜色，根据y 来上色 0 蓝 1 红

本质是拆格子，对每个格子做了预测，再涂色（ 不是求解线，因为很多边界都难以描述）

image.png
拿到x 最小值最大值 y 最值
image.png
根据点 的范围，拆分边界内的画布，500 500
x 500 500 的x坐标， y 500 *500 的y坐标
image.png
piecewise 映射函数： 对x数组中的判断，为z 赋值
image.png
寻找边界线的过程十分缓慢
image.png
xy 组和 才能看到点

逻辑分类： sigmod 样本控制很好时，预测效率很高

image.png

也是线性函数 的非线性化的方式

逻辑函数 API

image.png
image.png liblinear 的含义

image.png
底层做了什么： 构建线性回归， 训练得到了 wi
将表达式放入 digmod

画分类边界线：
这次 z 要用预测得到，即对整个画布的xy 做预测，xy 由二维变为一维数组
500500 变为 2500001
对 250000个格子预测
image.png
执行思路明确，使用工具落地，空有算法屁用没有，好好学数据结构
sigmod 只能二分类

多元分类业务 图片

多个二元分类器 解决多元分类
image.png

image.png
分类器 仍然是普通线性分类器，当样本的标签y数量变化时，自动根据样本分布，配置多个分类器，得到三个预测域

多元分类的过拟合问题 边界偏离太大

image.png
预测边界怎么这么近，蓝色区域过大？
可能过拟合 调整C
image.png
按理说 越集中的样本，占据的空间应该小