极客时间
21天打卡行动 53/21
<<机器学习40讲/15>> 从回归到分类：联系函数与降维
今日所学
1,将回归结果转化为分类结果:一种是直接用阈值区分回归结果,另一种是用似然度区分回归结果;
2,硬输出是对数据的分类边界进行建模。实现硬输出的函数，也就是将输入数据映射为输出类别的函数叫作判别函数（discriminant）,
3,输出利用的是似然度，需要建立关于数据的概率密度的模型，常见的具体做法是对线性回归的结果施加某种变换,
4,好的分类算法既要让相同类别的数据足够接近，又要让不同类别的数据足够远离,
5,线性判别分析需要较强的假设来支持。
重点
在解决分类问题时，线性模型的回归值可以通过联系函数转化为分类结果；
线性判别分析假定数据来自均值不同但方差相同的正态分布，通过最大化类间方差与类内方差的比值计算线性边界；
逻辑回归计算的是不同类别的概率决策边界，输出的是给定数据属于不同类别的后验概率；
基于线性模型的分类方法计算出的决策边界是输入属性的线性函数。