线性回归和非线性回归有什么区别？

Question

在机器学习中，我了解线性回归假设方程中的参数或权重应为线性。例如：

  

Y = W1 * X1 + W2 * X2

是一个线性方程，其中X1，X2是特征变量，W1，W2是参数。

还

  

Y = W1 *（X1）^ 2 + W2 *（X2）^ 2

也是线性的，因为参数（W1，W2）相对于Y呈线性。

现在，我读了一些文章，指出像

这样的方程式

  

Y =对数（W1）* x1 +对数（W2）* x2

也可以通过将其他变量V1和V2视为线性来使

为线性：

  

V1 =对数（W1）
  V2 = Log（W2）

因此，

  

Y = V1 * X1 + V2 * X2

因此，从这个意义上讲，任何非线性方程式都可以线性化，然后非线性回归就可以了。我想我在这里错过了一些重要的事情。  我是机器学习领域的初学者。有人可以帮我吗？

PS-这是我在StackOverflow上遇到的第一个问题，因此，如果在编写有效问题时出错，请原谅我。