异或问题的本质是线性不可分问题。A. 错B. 对

异或问题（XOR问题）是机器学习中经典的线性不可分问题。其核心在于：输入数据无法通过一条直线（或超平面）在特征空间中完全分开。具体来说，当输入为二维数据时，异或问题的正负样本分布无法被任何线性分类器正确划分，因此必须引入非线性模型（如多层神经网络）才能解决。

异或问题的几何分布

假设输入为两个特征$x_1$和$x_2$，异或问题的输出规则为：

• 当$x_1$和$x_2$不同时（如$(0,1)$或$(1,0)$），输出为$1$；
• 当$x_1$和$x_2$相同时（如$(0,0)$或$(1,1)$），输出为$0$。

在二维平面上，输出为$1$的点$(0,1)$和$(1,0)$分别位于左上和右下，输出为$0$的点$(0,0)$和$(1,1)$位于左下和右上。任何直线都无法将这两组点完全分隔开，因此异或问题本质上是线性不可分的。

线性分类器的局限性

线性分类器（如感知机）通过寻找一个线性边界（如直线、平面）来划分数据。由于异或问题的样本分布无法满足这一条件，线性分类器无法正确拟合异或问题。解决这一问题需要引入非线性变换或多层网络结构。