Linear classifier là gì?

Trong lĩnh vực máy học (machine learning), mục tiêu của phân loại (classification) là sử dụng các đặc điểm của một đối tượng để xác định nó thuộc lớp (class) hoặc nhóm (group) nào. Một bộ phân loại tuyến tính (linear classifier) đạt được điều này bằng cách đưa ra quyết định phân loại dựa trên giá trị của sự kết hợp tuyến tính (linear combination) của các đặc điểm. Đặc điểm của một đối tượng còn được gọi là đặc trưng (feature) và thường được trình bày cho máy trong một vectơ được gọi là vectơ đặc trưng (feature value). Các bộ phân loại (classifiers) như vậy hoạt động tốt cho các bài toán thực tế như phân loại tài liệu (document classification) và nói chung là cho các bài toán có nhiều biến (classifier) / đặc trưng, đạt mức độ chính xác tương đương với bộ phân loại phi tuyến tính (non-linear classifier) trong khi mất ít thời gian hơn để huấn luyện (train) và sử dụng.