我有一个非常简单的线性分类问题，就是在坐标中计算出以下三个类的线性分类问题：
第1类：分数（0,1）（1,0） 第2类：积分（-1,0）（1,0） 第3类：点（0，-1）（1，-1）
我手动使用随机初始权重[1 0,0 1]（2 * 2矩阵）和随机初始偏差 [1,1]通过对六个样本进行每次迭代，我最终得到一个分类，即X = -1和Y = -1，所以当x和Y都是> -1时，它是class1; 如果X <= - 1且Y> -1，则为class2; 如果x> -1且Y <= - 1，则为class3。
在图表上绘制之后，我认为它有一些问题，因为决策边界在class2和class3中交叉样本，我想知道这是否可以接受。通过观察图表，我会说理想的分类是x = - 1/2和y = 1/2，但计算后我真的无法得到那个结果。
请提前感谢，请与我分享您的想法。
答案 0 :(得分：1)
我说结果是可以接受的。所有的点都被正确分类，除了标记为第2类的（1,0）处的点并归类为第1类。问题是在（1,0）处还有一个标记为第1类的点，所以它是不可能将第1和第2类分开。
当然，在测试集上进行评估时，该模型可能非常糟糕。如果您希望决策边界在点之间等距放置，则需要查看最大边距分类器。
答案 1 :(得分：0)
结果不可接受。第2类和第3类是线性可分的，所以你不应该接受任何不能完美地对它们进行分类的分类器。
据我所知，使用这些样本和使用反向传播训练的前馈网络，您不太可能获得所需的x = -1 / 2和y = 1/2。你需要一个最大的保证金分类器。
我建议您检查SVM线性分类器。您可以查看SVMlight for multiclass problems。