机器学习(二)线性模型---LR

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。
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(wx)(14)(14)P(y=1|x)=σ(w⋅x)

P(y=0|x)=1σ(wx)(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:
logp1p(16)(16)logp1−p

  2.2.2 推导:
  似然函数:
i=1Nσ(wxi)yi(1σ(wxi))1yi(17)(17)∏i=1Nσ(w⋅xi)yi(1−σ(w⋅xi))1−yi

  对数似然函数:
i=1Nyilogσ(wxi)+(1yi)log(1σ(wxi))(18)(18)∑i=1Nyilogσ(w⋅xi)+(1−yi)log(1−σ(w⋅xi))

  首先令 wxi+b=aw⋅xi+b=a
dloss=i=1Nyiσ(a)σ(a)da(1yi)σ
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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