ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

6-机器学习-逻辑斯蒂回归

2020-07-27 20:34:07  阅读:315  来源: 互联网

标签:逻辑 机器 函数 回归 斯蒂 线性 对数 几率


总结

    • 逻辑回归 (对数几率回归),是一种名为“回归”的线性分类器,其本质是由线性回归变化而来的,一种广泛使用于分类问题中的广义回归算法
    • Sigmoid函数:

    • 将线性回归方程z变换为g(z),并且将g(z)的值压缩到(0,1)之间,当g(z)接近0时样本的标签为类别0,当g(z)接近1时样本的标签为类别1,这样就得到了一个分类模型
    • Sigmoid函数也被当作是归一化的一种方法
  • 形似几率:逻辑回归y(x)和1-y(x)相加必然为1。如果我们令y(x)除以1-y(x)可以得到形似几率的y(x)/1-y(x),在此基础上取对数就可以得到线性回归
    • 逻辑回归的形似几率取对数就是线性回归
    • 线性回归解的对数几率就是逻辑回归

逻辑回归

在之前的课程中我们已经学习接触过相关的回归模型了,我们知道回归模型是用来处理和预测连续型标签的算法。然而逻辑回归,是一种名为“回归”的线性分类器,其本质是由线性回归变化而来的,一种广泛使用于分类问题中的广义回归算法。要理解逻辑回归从何而来,得要先理解线性回归。线性回归是机器学习中最简单的的回归算法,它写作一个几乎人人熟悉的方程(为了更好理解本节后面的讲解到的sigmod函数,下面的回归函数用z来表示):image.png

其中

标签:逻辑,机器,函数,回归,斯蒂,线性,对数,几率
来源: https://www.cnblogs.com/wgwg/p/13387425.html

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有