线性回归和非线性回归之间的区别？

Question

在机器学习中,我们说:

• w ₁ x ₁ + w ₂ x ₂ + ... + w _n x _n是线性回归模型,其中w ₁,w ₂ .... w _n是权重,x ₁,x ₂ ... x ₂是功能而:
• w ₁ x ₁ ² + w ₂ x ₂ ² + ... + w _n x _n ²是非线性(多项式)回归模型

然而,在一些讲座我看到有人说一个模型是线性基础上的权重,即权重系数是线性和特征的程度并不重要,无论是直线(X ₁)或多项式Λ(x ₁ ²).真的吗？如何区分线性和非线性模型？它是基于权重还是特征值？

Answer 1

两种口味都存在。

如果您在统计社区，通常是前者（特征中的非线性、x^2 或 e^x 等）。例如，请参见此。

在机器学习社区中，重点更多地放在权重上；特征函数可以是任何东西（例如，参见SVM中的内核技巧）。

原因是不同的社区有不同的方法来解决这些类似的问题。统计界有更多直接的分析方法；而机器学习的目标略有不同（在未知的概念空间中建模复杂的模式）。