线性可分离训练集上的非线性分类器

Question

我在考虑针对线性可分离的标记(足够大)数据集训练非线性分类器时隐藏的风险。

我们能提出的主要分类误区是什么？举个例子？

Answer 1

在bias-variance tradeoff中，非线性分类器通常比线性分类器具有更大的方差。如果数据集是由线性可分离过程生成的，但测量结果有噪声，那么它将更容易过拟合。

然而，如果数据集足够大并且分类器是无偏的，那么非线性分类器最终将有效地产生分离的超平面。