线性和非线性是针对，模型参数和输入特征来讲的。比如输入x，模型y=ax+ax^2那么就是非线性模型，如果输入是x和X^2则模型是线性的。

　　线性分类器可解释性好，计算复杂度较低，不足之处是模型的拟合效果相对弱些。

　　非线性分类器效果拟合能力较强，不足之处是数据量不足容易过拟合、计算复杂度高、可解释性不好。

　　常见的线性分类器有：LR，贝叶斯分类，单层感知机、线性回归

　　常见的非线性分类器：决策树、RF、GBDT、多层感知机 SVM两种都有(看线性核还是高斯核)