ANDREW Ng教授的机器学习（Machine Learning）学习笔记（3）-- Logistic回归（Logistic regression）

最新推荐文章于 2026-01-07 08:26:43 发布
原创 最新推荐文章于 2026-01-07 08:26:43 发布 · 442 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习

ANDREW Ng教授的机器学习（Machine Learning）学习笔记（3）– Logistic回归（Logistic regression）

AllenHe1
关注
机器学习sklearn----逻辑回归(LogisticRegression)使用详解
weixin_43776305的博客
09-21 3万+
文章目录为什么需要逻辑回归重要参数penalty参数示例L1，L2的效果对比处理多多分类问题总结 为什么需要逻辑回归 逻辑回归是由线性回归演变而来的一个分类算法，所以说逻辑回归对数据的要求比较高。对于分类器来说，我们前面已经学习了几个强大的分类器(决策树， 随机森林等)，这些分类器对数据的要求没有那么高，那我们为什么还需要逻辑回归呢？主要在于逻辑回归有以下几个优势： 对线性关系的拟合效果好到丧心病狂：特征与标签之间的线性关系极强的数据，比如金融领域中的信用卡欺诈，评分卡制作，电商中的营销预测等等相关的数据
Machine-Learning-Logistic-Regression-:机器学习逻辑回归，参考http
07-04
**机器学习逻辑回归详解** 逻辑回归（Logistic Regression）是一种广泛应用的分类算法，它在机器学习领域占有重要的地位。尽管其名称中包含“回归”，但逻辑回归主要用于解决二分类问题，有时也可扩展到多分类问题...
【AndrewNg机器学习】逻辑回归(Logistic Regression)
－　
06-05 268
文章目录1 模型描述1.1 分类问题1.2 假设函数1.3 判定边界2 代价函数与梯度下降2.1 代价函数2.2 梯度下降 1 模型描述 1.1 分类问题 在分类问题中，我们要预测的变量y是离散的值，即判断其结果是否属于某一个类。在二分类问题中，我们将因变量可能属于的两个类分别称为负向类(y=0)和正向类(y=1)。当我们使用线性回归来解决分类时，我们会设定一个阈值0.5，当y>0.5时，我...
逻辑回归（详细版本）
weixin_30613343的博客
01-04 187
Logistic回归总结（转） 转载作者：洞庭之子 微博：洞庭之子-Bing （2013年11月） PDF下载地址：http://download.youkuaiyun.com/detail/lewsn2008/6547463 1.引言 看了Stanford的Andrew Ng老师的机器学习公开课中关于Logistic Regression的讲解，然后又看了《机器学习实战》中的Logist...
免费学习coursera_六年后，Coursera的Andrew Ng回来学习新的深度学习课程
cumian9828的博客
07-14 465
免费学习courseraOn August 15 2011, Stanford professor Andrew Ng uploaded an intro video to YouTube for his free online Machine Learning course. On that same day, The New York Times featured his course (al...
机器学习 Machine Learning（by Andrew Ng）----第四章 逻辑回归(Logistic Regression)
Jithonor的博客
07-23 1852
第四章 逻辑回归(Logistic Regression) 分类(Classification)> 假设表示(Hypothesis Representation) > 决策边界(Decision Boundary)> 代价函数(Cost Function)> 简化的成本函数和梯度下降(Simplified Cost Function and Gradien
《Sklearn 机器学习模型--分类模型》--逻辑回归（Logistic Regression）
m0_71002812的博客
03-31 2942
逻辑回归是一种广义线性模型，通过‌Sigmoid函数‌将线性回归的输出映射到(0,1)区间，实现对样本类别的概率预测。尽管名称包含“回归”，但其本质是解决‌二分类‌问题的经典算法，扩展后也可处理多分类任务‌15。
Andrew Ng Machine Learning 专题【Logistic Regression & Regularization】
IronYoung_不惧未来
08-10 3274
此文是斯坦福大学，机器学习界 superstar — Andrew Ng 所开设的 Coursera 课程：Machine Learning 的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。
机器学习-逻辑回归(LogisticRegression)详解
热门推荐
yuxj的博客
08-27 1万+
逻辑回归详解 1.什么是逻辑回归 逻辑回归是监督学习，主要解决二分类问题。 逻辑回归虽然有回归字样，但是它是一种被用来解决分类的模型，为什么叫逻辑回归是因为它是利用回归的思想去解决了分类的问题。 逻辑回归和线性回归都是一种广义的线性模型，只不过逻辑回归的因变量(Y)服从伯努利分布(离散分布)，而线性回归的因变量(Y)满足的是高斯分布(正态分布)，因此他们两个是很相似的(PS：线性回归是拟合一条直线，而逻辑回归是根据sigmoid将线性变成非线性，所以去掉sigmoid，他们一样的...
机器学习---逻辑斯蒂回归（logistic regression）
qingjj__的博客
11-29 1980
逻辑斯蒂的原理和应用
林轩田《机器学习基石》课程笔记10 -- Logistic Regression1
08-03
《机器学习基石》课程笔记10 -- Logistic Regression1主要探讨了逻辑回归（Logistic Regression）这一重要的二分类算法。逻辑回归是一种线性模型，但它的输出不再是连续的实数值，而是用于解决离散的二分类问题，即...
Logistic_Regression：机器学习AZ-SuperDataScience的Logistic回归教程-Ryan L Buchanan输入25SEP20
02-15
**Logistic回归**是一种广泛应用的统计学模型，尤其在机器学习领域中，它主要用于解决分类问题。本教程“Logistic_Regression：机器学习AZ-SuperDataScience的Logistic回归教程-Ryan L Buchanan输入25SEP20”由Ryan ...
精选资源
ex2-logistic regression_逻辑回归_机器学习_
10-02
在机器学习领域，逻辑回归是一种基础且重要的监督学习方法。 **工作原理** 逻辑回归的核心在于将线性回归的结果通过一个非线性的函数——sigmoid函数（S型曲线）转换，从而得到一个介于0到1之间的概率值。这个概率...
精选资源
机器学习-Andrew Ng：机器学习-Coursera-吴恩达-python + Matlab代码实现
02-04
Matlab中的Coursera机器学习作业 介绍 这是Coursera网站上，课程中算法在Matlab语言的实现，同样也可以参考斯坦福大学的计算机课程 。 注意： 您可以在上下载完整课程视频和相关文档； 定义 “如果某计算机程序在T上...
【机器学习】深度信念网络（DBN）
2401_84149564的博客
01-03 1136
深度信念网络（DBN）是由Geoffrey Hinton提出的一种生成式深度学习模型，通过堆叠多个限制玻尔兹曼机（RBM）构建深层结构。其核心特点包括：1）采用无监督预训练和有监督微调的两阶段训练策略，有效解决梯度消失问题；2）能够自动提取数据的多层级抽象特征；3）兼具生成和判别能力。本文详细介绍了DBN的网络结构、RBM组件原理、训练流程（对比散度算法和微调方法），并提供了完整的Python实现代码，包括数据预处理、模型构建、训练过程和可视化分析。
[机器学习-从入门到入土] 现代机器学习
qq_54636039的博客
01-05 882
[机器学习-从入门到入土] 现代机器学习
机器学习28：增强式学习（Deep Reinforcement Learn）③
Master_oid的博客
01-04 767
本周的学习重点是增强式学习（Reinforcement Learning, RL）中的Actor-Critic方法。主要深入讲解Actor-Critic框架的核心原理、优势函数的计算、Critic的价值估计方式，以及如何结合Actor和Critic来提升策略学习的稳定性和效率。
Anaconda 加速 AI 模型训练：优化机器学习工作流效率的利器
最新发布
csdn_aspnet的专栏，请点击博客主页右上角三个点中的私信联系
01-07 1623
Anaconda加速AI模型训练：环境管理是关键。通过conda创建隔离环境，避免依赖冲突；精确控制CUDA等底层库版本，简化GPU适配；无缝集成Jupyter Notebooks实现快速环境切换。Anaconda显著减少环境配置时间，提升实验复现性，将开发者精力集中于模型优化而非环境调试，是AI工作流效率提升的核心工具。
0-机器学习与大模型开发数学教程
yuanmomoya的博客
01-03 743
《机器学习与大模型开发数学教程》系统介绍了机器学习所需的数学基础，涵盖微积分、线性代数、概率统计、优化方法等核心内容。全书共8章，从预备知识（集合、向量、概率等）开始，逐步深入单变量/多变量微积分、矩阵运算、概率分布与统计推断，重点讲解梯度下降等优化算法及数值计算技巧，并专章探讨大模型相关的注意力机制、Transformer数学原理等专题，最后延伸至最优传输理论、图神经网络等前沿领域，为读者构建完整的机器学习数学知识体系。
Andrew NG机器学习公开课练习1 Matlab代码解析
根据给出的文件信息，我们可以了解到相关知识点涉及到机器学习（machine learning）、编程实践（特别是使用Matlab语言），以及作为该领域内知名人士的Andrew NG在公开课上所提供的练习资料。以下将详细阐述这些知识...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值