机器学习 - 线性分类器和非线性分类器的区别

上图为非线性分类器，下图为线性分类器。

什么是分类器，就是用来把输入的数据分类的。

上图，黑色的曲线就是非线性分类器，因为他分类了红点和蓝点。
下图，黑色的直线就是线性分类器。以直线的方式分类。

线性分类器

线性分类器就是用一个“超平面”将两个样本隔离开，如：
  （1）二维平面上的两个样本用一条直线来进行分类；
  （2）三维立体空间内的两个样本用一个平面来进行分类；
  （3）N维空间内的两个样本用一个超平面来进行分类。
常见的线性分类器有：LR，贝叶斯分类，单层感知机、线性回归，SVM（线性核）等。
线性分类器速度快、编程方便且便于理解，但是拟合能力低。

（上图：高纬度线性分类）

非线性分类器

非线性分类器就是用一个“超曲面”或者多个超平（曲）面的组合将两组样本隔离开（不属于线性的分类器），如：
  （1）二维平面上的两组样本用一条曲线或折线来进行分类；
  （2）三维立体空间内的两组样本用一个曲面或者折面来进行分类；
  （3）N维空间内的两组样本用一个超曲面来进行分类。
常见的非线性分类器：决策树、RF、GBDT、多层感知机、SVM（高斯核）等。
非线性分类器拟合能力强但是编程实现较复杂，理解难度大。