Линейный стек слоев равен полилинейной регрессии?

Question

Так что для приложения, которое я делаю, я использую tf.keras.models.Sequential. Я знаю, что существуют линейные и полилинейные регрессионные модели для машинного обучения. В документации Sequential говорится, что модель представляет собой линейный стек слоев. Это равно полилинейной регрессии? Единственное объяснение линейного стека слоев, которое я смог найти, было этот вопрос о Stackoverflow.

def trainModel(bow,unitlabels,units):
    x_train = np.array(bow)
    print("X_train: ", x_train)
    y_train = np.array(unitlabels)
    print("Y_train: ", y_train)
    model = tf.keras.models.Sequential([
            tf.keras.layers.Dense(256, activation=tf.nn.relu),
            tf.keras.layers.Dropout(0.2),
            tf.keras.layers.Dense(len(units), activation=tf.nn.softmax)])
    model.compile(optimizer='adam',
                         loss='sparse_categorical_crossentropy',
                         metrics=['accuracy'])
    model.fit(x_train, y_train, epochs=50)
    return model

Answer 1

вы путаете две вещи, которые здесь очень важны.Один - это модель, а другой - модель.

• Модель действительно линейная, потому что она следует прямой линии (прямой) от начала до конца.

• сама модель не является линейной: здесь активирована обратная активация, чтобы убедиться, что решения не являются линейными.

линейный стекне линейная и не полилинейная.Линейный стек здесь не является ML-термином, а английским.скажите мне, если я неправильно понял вопрос в любом отношении.