线性模型（一）之前言

线性模型是研究变量之间关系的一种模型，在线性模型中，未知参数仅以线性形式出现。

  这是在百度百科上查到的关于线性模型的定义。依据该定义，在本系列博客中的模型，可能不一定全是线性模型，但却和线性模型有着密切关系。另外，本系列博客仅代表个人愚见，可能存在部分误解，还望海涵。

  按照我个人的理解，线性模型是指模型是参数的线性组合，而非输入的线性组合（比如，在多项式拟合中，输入$x$，会有多次项形式，比如$x^2,x^3$等，但仍然称之为线性模型）。另外需要注意，线性模型和线性问题是不一样的，线性问题是指问题可通过输入的线性组合求解。在SVM中，需要利用核函数将输入映射到高维，从而才能解决非线性的分类问题。

  一般来说，线性模型比较简单，容易理解，一般思路都是先考虑从线性入手，即从简单问题开始分析。在本系列博客中，会从多项式拟合入手，然后分析线性回归，再分析如何利用线性回归做分类，引入感知机、逻辑斯蒂回归（LR）、SVM和神经网络。在LR和神经网络中，分别经过了sigmoid和非线性的激活函数，模型已经并不是参数的线性组合了，但本博客系列也囊括了它们。