1、线性模型是一类统计模型的总称，制作方法是用一定的流程将各个环节连接起来，包括线性回归模型、方差分析模型，应用于生物、医学、经济、管理 一般线性模型或多元回归模型是一个统计线性模型。
成都创新互联是一家专注于网站设计制作、成都网站设计和德阳机房托管的网络公司，有着丰富的建站经验和案例。
2、线性模型（linear model）： 通过属性的线性组合进行预测的函数。线性模型形式简单却包含机器学习主要建模思想。假设一个样本包含d个属性，表示为 x =(x_{1}；x_{2}；...；x_{d})，其中x_i表示样本的第i个属性值。
3、可以看出线性模型虽然形式简单、易于建模，但这是机器学习的重要基础，很多其他功能更为强大的非线性模型(nonlinear model)课在线性模型的基础上 通过引入层级结构或者高维映射而得到 。
4、线性模型可以用曲线拟合样本，线性模型可以是用曲线拟合样本，但是分类的决策边界一定是直线的，例如logistics模型（广义线性模型，将线性函数进行了一次映射）。
Xgboost 是GB算法的高效实现，其中基分类器除了可以使CART也可以是线性分类器。
主要区别在于：优化目标不同：GBDT每次迭代优化的目标是损失函数的梯度，而Xgboost优化的是目标函数的目标值。学习率不同：GBDT没有学习率这个参数，而Xgboost有。
传统GBDT以CART作为基分类器，xgboost还支持线性分类器，这个时候xgboost相当于带L1和L2正则化项的逻辑斯蒂回归（分类问题）或者线性回归（回归问题）。
一般把要分类的东西的特征向量取出来，作为输入；输出就是识别的结果了。训练SVM的时候一般将样本的特征值矩阵和样本的结果矩阵放进去训练。
假如每一张照片都是320x240像素的红绿蓝三通道彩色照片，那么分类器的输入就是一个长度为320x240x3=230400的向量。分类器的输出也是数值。
xn}，假定有m个类，分别用C1， C2，…，Cm表示。
该网络中应包含类结点C，其中C 的取值来自于类集合( c1 ， c2 ， ... ， cm)，还包含一组结点X = ( X1 ， X2 ， ... ， Xn)，表示用于分类的特征。
