线性与非线性的区别

选择线性还是非线性的模型，最终还是要取决于我们的数据是线性可分还是线性不可分的。

一、样本的线性可分和线性不可分：

区别是看决策边界是否是直线或者平面，线性是可以用曲线拟合(回归)的，但是线性的分类一定是一个点或一条直线或平面。

判断数据集是否线性方法：

使用线性回归模型进行拟合，计算最小平方误差r2_score。如果r2_score值比较大，则意味着数据集本质上是线性的，否则数据集是非线性的。

二、模型的线性与非线性：

1、看决策边界是否是一个点、一条直线或平面（线性函数）

2、看一个权重系数w是否只影响1个特征x，例如神经网络模型是非线性模型，特征x不仅仅受一个权重系数影响，因此，它的解释性较弱

样本线性不可分，也可以选择线性模型，例如SVM，可以使用核函数对特征进行映射，将特征空间映射到高维空间中去，变得线性可分

线性与非线性的一个明显区别是叠加性是否有效。

在一个系统中，如果两个不同因素的组合作用只是两个因素单独作用的简单叠加，这种关系或特性就是线性的。反之，如果一个系统中一个微小的因素能够导致用它的幅值无法衡量的结果，这种关系或特性就是非线性的。相应地，具有叠加性的系统，是线性系统；反之，则属于非线性系统。

基本原理

PM与FM之间的关系

尽管PM和FM时角调制的两种不同形式，但他们并无本质区别。PM和FM只是频率和相位的变化规律不同而已，在PM中，角度随调制信号线性变化，而在FM中，角度随调制信号的积分线性变化。

调频与调相并无本质区别，两者之间可相互转换。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com