线性分类器与非线性分类器的区别以及优缺点

• 定义：只考虑二类的情形，所谓线性分类器即用一个超平面将正负样本分离开，表达式为 y=wx 。这里是强调的是平面。而非线性的分类界面没有这个限制，可以是曲面，多个超平面的组合等。【如果模型是参数的线性函数，并且存在线性分类面，那么就是线性分类器，否则不是。SVM两种都有(看线性核还是高斯核)。】

• 在线性分类器的基础上，用分段线性分类器可以实现更复杂的分类面。

非线性判别函数解决比较复杂的线性不可分样本分类问题，解决问题比较简便的方法是采用多个线性分界面将它们分段连接，用分段线性判别划分去逼近分界的超曲面。

• 常见的线性分类器有：LR,贝叶斯分类，单层感知机、线性回归。

  优缺点：算法简单和具有“学习”能力。线性分类器速度快、编程方便，但是可能拟合效  果不会很好。

• 常见的非线性分类器：决策树、RF、GBDT、多层感知机。

  优缺点：非线性分类器编程复杂，但是效果拟合能力强。