想象一下，你在二维中有两个高斯概率分布。第一个以（0,1）为中心，第二个以（0，-1）为中心。 （为简单起见，假设它们具有相同的方差。）可以考虑从这两个高斯中采样的数据点簇是线性可分的吗？
直观地，很明显，将两个分布分开的边界是线性的，即在我们的例子中是横坐标。然而，线性可分性的形式要求是簇的凸包不重叠。高斯生成的聚类不是这种情况，因为它们的潜在概率分布遍及所有R ^ 2（尽管远离均值的概率可以忽略不计）。
那么，高斯生成的簇是否可以线性分离？如何协调凸壳的要求与直线是唯一可以想象的边界＆＃34;？或者，一旦图像中出现非等方差，边界可能会有效地不再是线性的？
答案 0 :(得分：2)
根据定义，高斯聚类是无限的。它们几乎无处不在，只有不同的密度。
因此，它们不可分离，线性与否。 “可分离性”的概念在这里不起作用。
答案 1 :(得分：1)
高斯群集实例可能是可分的。这取决于结果，而不是产生它的过程。
线性可分性can be defined a，因为存在分隔两组点的平面，使得一组点完全位于平面的一侧，而另一组点完全位于另一侧这架飞机。
现在拿你的特定高斯分布。 可能它们生成了两个线性可分离的集合（在横坐标处或不在横坐标处）。但是，如果方差为非零，并且您让进程生成足够的点，则结果将不会线性分离。
所以，再一次，这是结果的问题，而不是过程的问题。