【人工智能 | 机器学习 | 理论篇】线性模型

---

1. 基本形式

设有 d 个属性描述的示例
$$x=(x_1,x_2,x_3,...,x_d)$$
线性模型（linear model）：学得通过属性的线性组合进行预测的函数
$$f(x)=w_1{x}_1+w_2{x}_2+...+w_d{x}_d+b$$
向量形式：
$$f(x)=w^{T}x+b$$
其中，$w=(w_1,w_2,...,w_d)$
学得 $w$ 和 $b$ 后，模型得以确定

1. 许多功能强大的 非线性模型（nonlinear model） 可在线性模型基础上引入 层级结构 或 高维映射 而得
2. $w$ 直观表达各属性在预测中的重要性，因此 线性模型有很好的 可解释性（comporehensibility）

对 2，例如：
$$f_{好瓜}(x)=0.2x_{色泽}+0.5x_{根蒂}+0.3x^{}$$