machine-learning - 对逻辑回归二元分类器的决策边界感到困惑

Question

我一直无法解决一个问题。在该问题中，假设函数 H 由下式给出

H(x) = g(B0 + B1*X1 + B2*X2)

在哪里

B0 = 6，B1 = 0 和 B2 = -1

我得到了这些数字：

问题是哪个数字将代表分类器给出的决策边界。答案是图 B，但我不太明白为什么。有人可以向我解释为什么会这样吗？

标签： machine-learninglogistic-regression

Answer 1

如果你采用阈值 0.5 进行分类，你得到的是：

g(z) > 0.5 ---> predict y = 1 => z > 0
g(z) < 0.5 ---> predict y = 0 => z < 0
for the first case if we take the relation z > 0, we get:
B0 + B1*X1 + B2*X2 > 0
6 + 0*x1 + (-1)*X2 > 0
X2 < 6

因此，当 X2 < 6 时，您必须预测 y = 1，而当 X2 > 6 时，您必须预测 y = 0