在实际使用机器学习算法时，面对训练集，是如何知道它是线性可分的，还是不可分的？？
tony1016 · 2016-05-12 15:49:41 +08:00 · 2805 次点击这是一个创建于 3100 天前的主题，其中的信息可能已经有所发展或是发生改变。
是因为尝试使用某种算法，比如 LR ，发现代价函数不收缩，从而确定不合适？
还是有什么标准，一开始就能确定训练集是线性可分的，还是不可分的？？
还是有什么标准，一开始就能确定训练集是线性可分的，还是不可分的？？
 |
1
menc 2016-05-12 18:20:24 +08:00
如果维数不高，可以任意取两维打出来看看，多取几次，两维都线性不可分，那么数据集就线性不可分了。
然而我一般不用。 直接上模型。 非线性模型， svm 啊， gbdt 啊，对线性可分的问题拟合能力也不错的。 如果要一个确定的方法确定是线性可分还是线性不可分，那这样的方法是不存在的，要不然 svm 的 kernel function 选什么就不是玄学了。 |
 |
3
srlp 2016-05-13 07:28:13 +08:00
一般现实世界的，默认不可分吧。计算力足够的话，所有模型都强行上一次试试。
|
Select Language