一、总结
一句话总结：
线性模型：试图学得一个通过属性的线性组合来进行预测的函数，即：$$f ( x ) = w _ { 1 } x _ { 1 } + w _ { 2 } x _ { 2 } + \ldots + w _ { d } x _ { d } + b$$
一般用向量形式写成：$$f ( x ) = w ^ { T ^ { \prime } } x + b$$
在线性模型的基础上通过【引入层级结构或高维映射】可得到许多功能更为强大的【非线性模型（nonlinear model）】。
1、对数几率回归（【用线性模型做分类任务】）？
$$y = \frac { 1 } { 1 + e ^ { - ( w ^ { T } x + b ) } }$$
二、西瓜书学习笔记——第三章：线性模型
转自或参考：西瓜书学习笔记——第三章：线性模型
https://blog.csdn.net/shichensuyu/article/details/90241016