分类业务

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

所有样本的下标 为 0 1 的部分切片

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）

拿到x 最小值最大值 y 最值

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

piecewise 映射函数： 对x数组中的判断，为z 赋值

寻找边界线的过程十分缓慢

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

也是线性函数 的非线性化的方式

逻辑函数 API

liblinear 的含义

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

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

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

预测边界怎么这么近，蓝色区域过大？

可能过拟合 调整C

按理说 越集中的样本，占据的空间应该小