在吴安德（Andrew Ng）在Coursera关于分类的ML视频中（在第三个视频中），他说“决策边界不是训练集的属性”。这句话是什么意思？并且是否还暗示我们在线性回归中用于拟合数据的直线或任何曲线不是训练集的属性？他声称这些曲线（通过线性回归获得）不是相应训练数据的属性。我对此有些困惑。请消除我的疑虑。提前致谢。
最佳答案
决策边界是分类器的属性。不同的分类器导致不同的决策边界。
决策边界与线性回归无关，因为它仅对分类问题有意义。决策边界是将分类问题中的两个不同类的元素分开的曲线（或曲面，在两个以上的维度上）。在逻辑回归中，决策边界是一条直线，而在非线性分类方法（如神经网络）中，决策边界是一条曲线。
关于machine-learning - 决策边界不是分类中训练数据的属性，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49918098/