用回归来做分类:
远大于1的点对于回归来说就是个error,
为了让这些点更接近1,会得到紫色线.
可见,回归中定义模型好坏的方式不适用于分类中.---回归会惩罚那些太过正确的点
如何计算未出现在训练数据中的点属于某类的概率?
假设该类对应的训练数据采样于一个高斯分布.
可以用该训练数据来估计该高斯分布的参数.
基本思路:
很多不同参数的高斯分布都可以采样出训练数据,但是可能性不同,
选出其中可能性最大的那个高斯分布对应的参数.---最大似然估计
假设sigma相同时,可以得到线性函数.
该生成模型是通过计算miu1,miu2,sigma来间接计算线性函数参数w,b的,
可以通过判别模型直接计算,如Logistic Regression.
