我可以使用函数实现分类器吗？

Question

我正在学习不同的分类技术，比如可能的分类器等，并且问题为什么我们不能将二元分类器实现为所有属性的回归函数，并根据函数的输出进行分类，比如说如果输出小于某个值，则它属于A类，否则属于B类。与概率方法相比，这种方法有任何限制吗？

Answer 1

您可以这样做，并且通常在实践中完成，例如在Logistic Regression中。它甚至不限于二进制类。与概率方法相比，没有固有的限制，但你应该记住，两者都是根本不同的方法，很难比较。

Answer 2

我认为你在分类方面有一些误解。无论您使用何种分类器（svm或逻辑回归），您始终可以将输出模型视为     f（x）＆gt; b ===＆gt;正     f（x）否定

这适用于概率模型和非概率模型。事实上，这与风险最小化有关，这自然会导致截止分支。

Answer 3

是的，这是可能的。例如，perceptron就是这样做的。

但是，它的用途仅限于linearly separable problems。但是可以将它们中的多个组合在一起来解决一般neural networks中的任意复杂问题。

另一种机器学习技术SVM以类似的方式工作。它首先将输入数据转换为某个高维空间，然后通过线性函数将其分离。