决策边界
决策边界的定义
决策边界是由分类模型的参数决定的，对不同类型数据进行划分的分类边界，在二维图上表示如下：
决策边界是由假设函数的参数决定的，例如假设函数
hθ=g(θ0+θ1x1+θ2x2)
其中g函数是sigmoid函数，因此，θTx大于等于0时，对应的hθ(x)取值大于0.5，预测值对应1。求解此时的θTx，可以得到直线
x1+x2>=3
该直线即为当前假设函数的决策边界。
注意：决策边界只与假设函数的参数有关，与训练集数据无关
复杂决策边界
除了上文提到的直线型决策边界，根据假设函数的不同，决策边界也可以有很多种类型，如下图所示：
假设函数中的θTx为二次多项函数
其他的高阶函数产生的不同的决策边界。
