machine-learning - 支持向量分类器中的平面分离和决策边界有什么区别？

Question

我刚刚开始学习主要的机器学习算法，并从监督学习开始。我的类(class)不断将平面分离描述为向量(2D示例)，并将决策边界描述为两个类别之间的分离。

Answer 1

我并不知道平面分离是一个标准术语。我猜想在这种情况下它用来表示分离平面。在您的 2D 示例中，这将是分隔类的线(2D 平面)。

对于线性 SVM，分离平面通常也是您的决策边界。尽管您也可以改变所谓的决策阈值，从而将该平面移动到平行位置。对于非线性SVM，决策边界一般不再用平面表示，而是可以有更复杂的形状，例如曲线等。