Machine learning 决策边界不是分类中训练数据的属性 Andrew Ng在CurSera的ML视频分类中（第三视频），他说“决策边界不是训练集的属性”。这句话是什么意思？这是否也意味着我们在线性回归中用来拟合数据的直线或任何曲线都不是训练集的属性？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。我对此有点困惑。如果能消除我的疑虑，我将不胜感激。提前感谢。

决策边界是分类器的属性。不同的分类器会导致不同的决策边界

---

决策边界与线性回归无关，因为它只对分类问题有意义。决策边界是分割分类问题中两个不同类的元素的曲线（或曲面，两个以上维度）。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。

谢谢您的回答。好啊但这是否意味着，例如，我们在线性回归中用于拟合数据的直线，也不是训练数据的属性。当您将线性回归拟合到数据时，您使用的是线性回归模型：那么，直线就是模型的属性。但是，由于它是根据您的培训数据进行培训的，因此它既有来自模型的信息（直线是因为模型是线性回归的），也有来自数据（符合您的数据是因为您拥有的数据）。我回答了您的问题吗@斯瓦姆索认为，对于给定的训练数据，并且通过使用线性回归，只有一条直线能够完美地拟合该数据，这是恰当的。但是，当我们在另一个数据集的分类问题中使用logistic回归时，即使使用不同的数据集，决策边界也不会改变。