逻辑回归决策边界实验
概率场由参数决定，分类结果还要经过阈值。把两者分开观察，边界为什么移动就会变得很直观。
p = σ(z)
当前特征映射
z = θ₀ + θ₁x₁ + θ₂x₂
决策边界
p = t ⇔ z = log(t / (1 − t)) = 0.000
浅红 → 类别 0 概率高 浅绿 → 类别 1 概率高
探针位置x₁ = 0.00，x₂ = 0.00
线性得分 z−1.200
预测概率23.1%
分类结果类别 0
边界位于可视范围内。保持参数不变，只提高阈值，模型需要更高概率才会判为类别 1。
圆点 0：真实类别 0
菱形 1：真实类别 1
深色线：p = t
十字：当前探针