文章目录
- [Generate Model](#Generate Model)
Generate Model

假设样本符合高斯分布
即找 μ \mu μ和 σ \sigma σ
优化
共用 Σ \Sigma Σ减少参数,降低过拟合
也称linear model
边界为线性证明

损失函数
比较
逻辑回归不能用均方误差
Generative v.s. Discriminative
Multi-class Classification

逻辑回归的限制

做不了,因为边界是一条直线
可以通过线性变换到另一个线性空间中,重新定义特征向量
自己找线性变换
