关于线性模型

线性模型 =>
logistic回归（分类学习方法，二分类，将z=f(x)代入logistic sigmoid函数中，得到input instance属于正类别的概率） =>
softmax回归（线性模型+softmax函数，多分类，将z向量代入softmax函数，得到input sample是/属于各个label的概率）。

SVM的划分超平面，可通过线性方程来描述，wTx+b=0 =>
其中w为法（线）向量，决定了超平面的方向；b为位移项，超平面和原点之间的距离。

MLP/NN（起码包含一层hidden layer）中的某一层（除了输入层），将输入向量i映射为输出向量o（线性映射，即o=Wi+b），再将o代入激活函数中（引入非线性），整体类似于softmax回归。