kau*_*nav 3 classification machine-learning
我开始在Coursera上观看Andrew Ng的ML视频。在关于分类的课程中（在第三个视频中），他说了以下几行
“再次，决策边界不是训练集的属性，而是假设和参数的属性。
但是一旦有了参数theta，就可以确定决策边界。”
我的问题：
训练集和假设之间有什么区别？
为什么决策边界是假设的属性而不是训练集的属性？
您可以这样想：
对于任何给定的参数集，都有唯一的决策边界。因此，参数唯一定义了决策边界。
另一方面，给定训练数据，没有唯一的决策边界。您基本上可以选择无数个适合任何一组数据的不同决策边界。因此，数据不能唯一地定义决策边界，因此边界不能是数据的属性。
另一方面，正如他所指出的，您可以使用训练数据来选择参数，然后为您提供边界。但是有很多方法可以做到这一点。