对逻辑回归二元分类器的决策边界感到困惑

Question

我没能解决问题。在问题中，假设函数 H 由

给出

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

哪里

B0 = 6，B1 = 0 且 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？

Answer 1

如果你已经取0.5的阈值进行分类，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，如果 X2 < 6，您必须预测 y = 1，如果 X2 > 6，您必须预测 y = 0

对逻辑回归二元分类器的决策边界感到困惑

Confused about the decision boundary of logistic regression binary classifier

machine-learning

logistic-regression