-
2023-04-22 00:22老師，在機器學(xué)習(xí)中，supervised/unsupervised methods中，有些適用于linearity，有些適用于non-linearity，那么這里對應(yīng)的linearity和non-linearity具體是什么呢？可以分別舉例子嗎？謝謝。
所屬：CFA Level II > Quantitative Methods 視頻位置 相關(guān)試題
來源： 視頻位置 相關(guān)試題
1個回答
愛吃草莓的葡萄助教
2023-04-23 10:42
該回答已被題主采納
同學(xué)你好。即數(shù)據(jù)是否是線性的，可以把它理解為數(shù)據(jù)復(fù)雜程度（非線性數(shù)據(jù)比較復(fù)雜）。如果數(shù)據(jù)是線性數(shù)據(jù)，例如Y=b0X，我們是不是很好建模預(yù)測。但是如果是非線性數(shù)據(jù)，首先不好建模，例如算法可能很精準(zhǔn)的將樣本內(nèi)的數(shù)據(jù)進行模擬得到二次方形式，但是這組數(shù)據(jù)預(yù)測可能在二次方基礎(chǔ)上還有三次方形式有沒有可能，非線性數(shù)據(jù)難以估計。
同學(xué)如果回答解決了您的疑惑，請給回答給予采納。祝早日持證！
-
追問
謝謝Alvis老師。根據(jù)您的講解，我的理解是線性回歸提供了自變量和因變量（即機器學(xué)習(xí)里target）之間的關(guān)系，從而降低建模復(fù)雜性。
只是，我不太明白為什么貼標(biāo)簽學(xué)習(xí)里面的支持向量（SVM）和K近鄰（KNN）為什么屬于linearity，是切分（分類）的時候，給出的自變量和target是有存在什么線性關(guān)系嗎？請進一步講解一下哈，謝謝。 -
追答
同學(xué)你好。舉個簡單例子，例如給你一組數(shù)據(jù)包含三角形與圓形的散點圖需要分類，你想到的方法是什么，應(yīng)該是盡可能用一條直線將大部分三角形與圓形分為兩堆吧，這說明這組數(shù)據(jù)點是一個線性數(shù)據(jù)，能用線性直線將兩組數(shù)據(jù)分隊。如果不是使用直線，例如使用折現(xiàn)，我可以將三角形完全化為一堆，是不是，這就導(dǎo)致了過擬合，可能在樣本外預(yù)測就不會準(zhǔn)確。
理解了這個之后，我們再看SVM與KNN的方法是不是很清晰，為什么SVM與KNN屬于分類中的linearity。
0
0
1
1
