机器学习(二)线性模型—LR
2.2 LR
2.2.1 基础
LR是一种二分类模型,属于线性模型的一种,是广义线性分类模型,采用极大似然估计,具有概率可解释性
条件概率:
P(y=1|x)=σ(w⋅x)(14)(14)P(y=1|x)=σ(w⋅x)
P(y=0|x)=1−σ(w⋅x)(15)(15)P(y=0|x)=1−σ(w⋅x)
Logits/log odds,一件事发生与不发生的比率:
logp1−p(16)(16)logp1−p
2.2.2 推导:
似然函数:
∏i=1Nσ(w⋅xi)yi(1−σ(w⋅xi))1−yi(17)(17)∏i=1Nσ(w⋅xi)yi(1−σ(w⋅xi))1−yi
对数似然函数:
∑i=1Nyilogσ(w⋅xi)+(1−yi)log(1−σ(w⋅xi))(18)(18)∑i=1Nyilogσ(w⋅xi)+(1−yi)log(1−σ(w⋅xi))
首先令 w⋅xi+b=aw⋅xi+b=a
dloss=∑i=1Nyiσ′(a)σ(a)da−(1−yi)σ

本文深入探讨了线性模型中的LR(逻辑斯蒂回归),介绍了其作为二分类模型的基础,强调了LR的概率可解释性和在极大似然估计中的应用。讨论了sigmoid函数的特点和LR模型的优缺点,以及在广告点击率预测模型构建中的特征处理步骤。
最低0.47元/天 解锁文章
2356

被折叠的 条评论
为什么被折叠?



