哲哲的ML筆記(十一:決策邊界)

決策邊界


根據函數表達式和圖像,可以得到
h_\theta(x)>=0.5, y=1 \\ h_\theta(x)<0.5, y=0 \\ z=0, g(z)=0.5\\ z>0, g(z)>0.5\\ z<0, g(z)<0.5\\

\theta^Tx=0, h_\theta(x)=0.5, y=1 \\ \theta^Tx>0, h_\theta(x)>0.5, y=1 \\ \theta^Tx<0, h_\theta(x)<0.5, y=0\\
假設有這樣一個模型

並且參數\theta 是向量[-3 1 1]。 則當-3+x_1+x_2>=0,即x_1+x_2>=3時,模型將預測y=1。 我們可以繪製直線x_1+x_2=3,這條線便是我們模型的分界線,將預測爲1的區域和預測爲 0的區域分隔開

非線性決策邊界

假使我們的數據呈現這樣的分佈情況,需要用曲線才能分隔y=1 的區域和y=0 的區域,我們需要二次方特徵h_\theta(x)=g(\theta_0+\theta_1x_1+\theta_2x_2+\theta_3x_1^2+\theta_4x_2^2)

.\theta對應的參數是-1,0,0,1,1,我們得到的判定邊界恰好是圓點在原點且半徑爲1的圓形。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章