線性和非線性是針對(duì),模型參數(shù)和輸入特征來講的。比如輸入x,模型y=ax+ax^2那么就是非線性模型,如果輸入是x和X^2則模型是線性的。
線性分類器可解釋性好,計(jì)算復(fù)雜度較低,不足之處是模型的擬合效果相對(duì)弱些。
非線性分類器效果擬合能力較強(qiáng),不足之處是數(shù)據(jù)量不足容易過擬合、計(jì)算復(fù)雜度高、可解釋性不好。
常見的線性分類器有:LR,貝葉斯分類,單層感知機(jī)、線性回歸
常見的非線性分類器:決策樹、RF、GBDT、多層感知機(jī) SVM兩種都有(看線性核還是高斯核)