逻辑回归学习总结

本文是对逻辑回归的总结,介绍了线性回归与sigmoid函数的关系,极大似然估计,梯度上升法及其在逻辑回归中的应用,并对比了线性回归与逻辑回归的区别。还提供了相关学习资源链接。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

学习完吴恩达的机器学习视频,看过机器学习实战及学习了网上的一些博客之后,在这里对我学习到的逻辑回归知识做一个学习总结。

1.线性回归和sigmoid函数

逻辑回归是一种分类算法,它可以解决二分类问题,它的实质是线性回归+逻辑函数,传统的线性回归是为了找到能更好地拟合真正的函数曲线的最佳参数,线性回归如下:

如果用线性回归做分类的话,由于最终的结果可能会远大于或远小于分类结果1和0,所以我们加入sigmoid逻辑函数,这个逻辑函数把把输出值固定在0-1之间,sigmoid的公式和图像如下:


而且这个最终的g(z)的输出结果也很有趣,它可以表示函数点在这个分类边界外即(y=1)的概率,


也即

评论
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