Clasificador lineal

En el campo del aprendizaje automático, el objetivo del aprendizaje supervisado es usar las características de un objeto para identificar a qué clase (o grupo) pertenece.Si la entrada del clasificador es un vector de características realeses un vector real de pesos y f es una función que convierte el producto punto a punto de los dos vectores en la salida deseada.Una f más compleja puede dar la probabilidad de que una muestra pertenezca a cierta clase.Para un problema de dos clases, se puede visualizar la operación de un clasificador lineal como una partición del espacion de alta dimensionalidad de entrada con un hiperplano: todos los puntos a un lado del hiperplano son clasificados como "sí", mientras que los demás son clasificados como "no".Sin embargo, los árboles de decisión pueden ser más rápidos.es grande, como en clasificación de documentos, donde típicamente cada elemento enEn tales casos, el clasificador debe estar bien regularizado.[1]​[2]​ Métodos de la primera clase conditional density functionsEl entrenamiento discriminativo a menudo produce mayor precisión que el modelado de las funciones de densidad condicional.Todos los algoritmos del clasificador lineal listados arriba pueden ser convertidos en algoritmos no lineales operando en un espacio de entrada diferente