# Logistic 回归与感知器：决策边界

> 来源：https://deeplearning.bnuai.com/demos/logistic-regression ｜ 作者：唐志清（北京师范大学） ｜ 更新：2026-11-01 ｜ 内容依据邱锡鹏《神经网络与深度学习》（https://nndl.ai/）及作者公开课件

> （此处为交互演示，请在网页中使用：https://deeplearning.bnuai.com/demos/logistic-regression）

## 观察要点

1. 线性可分数据上持续训练 Logistic 回归，‖w‖ 会不断增大，预测越来越“自信”；L2 正则把它拉回来。
2. 感知器只在分错时更新，所有样本分对后立即停止，边界往往贴着样本。
3. 离群点会把边界拉偏：对比交叉熵损失和感知器损失对离群点的敏感程度。

相关章节：[第 3 章 线性模型](https://deeplearning.bnuai.com/chapters/03-linear-models)。