pytorch 实现 Logistic Regression

最新推荐文章于 2025-06-30 10:16:26 发布
最新推荐文章于 2025-06-30 10:16:26 发布
阅读量770 收藏 1
点赞数
CC 4.0 BY-SA版权
文章标签： pytorch
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。
本文链接：https://blog.youkuaiyun.com/LYouthzzz/article/details/89134490
本文介绍了如何使用PyTorch实现逻辑回归，包括Sigmoid函数的解析、导数及图像，逻辑回归的模型原理，以及如何用numpy和PyTorch进行二分类问题的逻辑回归实践。

Sigmoid函数

公式:：

 y = \frac 1 {1+e^{-x}}

导数：

 y{}' = (1+e^{-x}){}' * (e^{-x}){}' = -(\cfrac {1} {1+e^{-x}})^{2} * (-e^{-x}) = y*(1-y)

函数图像：

  

逻辑回归

Logistic回归的模型形式和线性回归一样, 都是 y = wx + b, 其中x 可以是一个多维的特征, 唯一不同的地方是 Logistic 回归会对y作用一个logistic函数,将其变为一种概率的结果。

numpy 实现 逻辑回归

 

pytorch实现 逻辑回归(二分类)


                

        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
新学期VIP享超值加赠

                          
                        

                      
            

        


    



                



	

		

			

				
					
PyTorch深度学习实践——Logistic Regression

				
			

			

				

					m0_60458471的博客
				

				

					09-01
					
					792
					
				

			

		

		

			
				
在本次学习中，学习到了大名鼎鼎的logistic回归，虽然说是一种回归模型，但是这个模型实际上是做分类问题，对于这种回归模型我们同样从三个方面来进行介绍，logistic回归是什么？为什么要采用logistics回归？如何实现losgistic回归模型？下面是对于logistic回归的总结：

logistic回归是什么？

为什么要采用logistics回归？

   在解释为什么需要采用logistics回归之前，我们先对分类与回归任务进行比较

   在之前实现的线性回归模型中...

			
		

	



                

            
              



	

		

			

				
					
用PyTorch类实现Logistic regression

				
			

			

				

					devcy的博客
				

				

					04-11
					
					486
					
				

			

		

		

			
				
用PyTorch类实现Logistic regression1.PyTorch基础实现代码2.用PyTorch类实现Logistic regression,torch.nn.module写网络结构
1.PyTorch基础实现代码
import torch
from torch.autograd import Variable
 
torch.manual_seed(2)
x_data = Vari...

			
		

	



              


  
              

                


	

		

			

				
					
逻辑回归（Logistic Regression）算法详解

					
最新发布

				
			

			

				

					Springfield3006的博客
				

				

					06-30
					
					1110
					
				

			

		

		

			
				
本文系统阐述逻辑回归从理论到实战的完整体系。理论上，通过伯努利分布与对数几率变换推导出Sigmoid函数，构建线性组合到概率的映射，以交叉熵损失为优化目标。实战中，利用sklearn实现电信客户流失预测，经独热编码、Min-Max归一化等预处理，特征重要性分析表明总费用、月付合同等是流失主因，为业务留存策略提供数据支撑，体现模型在二分类问题中的工程价值与可解释性优势。

			
		

	





	

		

			

				
					
PyTorch入门精简资料（三）PyTorch实现Logistic regression

				
			

			

				

					Courageux_J的博客
				

				

					08-11
					
					575
					
				

			

		

		

			
				
Datawhale_Task3  PyTorch实现Logistic regression

PyTorch基础实现代码
	用PyTorch类实现Logistic regression,torch.nn.module写网络结构
（1）什么是逻辑回归

分类和回归是机器学习可以解决两大主要问题，从预测值的类型上看，连续变量预测的定量输出称为回归；离散变量预测的定性输出称为分类。逻辑回归是一种广义...

			
		

	



		

			
		



	

		

			

				
					
PyTorch实现Logistic Regression

				
			

			

				

					h1astro的博客
				

				

					08-11
					
					488
					
				

			

		

		

			
				
1.PyTorch基础实现Logistic regression
import torch
from torch.autograd import Variable
 
torch.manual_seed(2)
x_data = Variable(torch.Tensor([[1.0], [2.0], [3.0], [4.0]]))
y_data = Variable(torch.Tensor([[...

			
		

	





	

		

			

				
					
Pytorch实现Logistic Regression

				
			

			

				

					karry_zzj的博客
				

				

					09-19
					
					485
					
				

			

		

		

			
				
接上一个博客《Machine Learning In Action 学习笔记之 Logistic regression》，这使用的是Numpy进行回归，但我想改用Pytorch框架来写这个程序。
给定数据集（前两列为特征x1, x2，第三列为标签y) 如下所示：

-0.017612	14.053064	0
-1.395634	4.662541	1
-0.752157	6.538620	0
-1....

			
		

	





	

		

			

				
					
PyTorch实现Logistic Regression (mini-batch，多维特征处理）

				
			

			

				

					WeilingDu的博客
				

				

					09-12
					
					1533
					
				

			

		

		

			
				
1. Logistic Regression
import torch
import torch.nn.functional as F  # functional下有很多函数包

x_data = torch.Tensor([[1.0], [2.0], [3.0]])  # 3*1 Tensor
y_data = torch.Tensor([[0], [0], [1]])  # 3*1 Tensor


class LogisticRegressionModel(torch.nn.Module):
    

			
		

	





	

		

			

				
					
Pytorch实现logistic回归（算法+代码）

				
			

			

				

					qq_35328355的博客
				

				

					07-12
					
					1997
					
				

			

		

		

			
				
回归一般的得到的是一个连续值，二分类需要的是0或者1（类别），那么怎么建立起连续值到类别的映射关系呢？逻辑回归是机器学习中常用的一种二分类算法，常用于疾病预测等“非黑即白”的分类，简单说就是在使用逻辑回归的任务中，标签数据的Y值要么是0要么是1。正是由于上面的特性，sigmoid函数可以被用来进行二分类，比如我们以0.5为界，将大于0.5的值归为类别1，小于0.5的归为类别0。这样子我们就完成了从输入数据的线性组合到概率的映射，然后根据一定的阈值将概率映射到类别，就完成了分类的过程。

			
		

	





	

		

			

				
					
5.3 用PyTorch实现Logistic回归

				
			

			

				

					Ting_28的博客
				

				

					03-20
					
					1830
					
				

			

		

		

			
				
Logistic回归常用于解决二分类问题。为了便于描述，我们分别从两个多元高斯分布 N₁（μ₁，Σ₁ ）、N₂（μ₂，Σ₂）中生成数据 x₁ 和 x₂，这两个多元高斯分布分别表示两个类别，分别设置其标签为 y₁ 和 y₂。PyTorch 的 torch.distributions 提供了 MultivariateNormal 构建多元高斯分布。下面代码设置两组不同的均值向量和协方差矩阵，μ₁（mul）和 μ₂（mul）是二维均值向量，Σ₁（sigmal）和Σ₂（sigma2）是2*2的协方差矩阵。

			
		

	





	

		

			

				
					
利用pytorch实现logistic regression

				
			

			

				

					张帅影&RS&DeepLearning
				

				

					03-19
					
					340
					
				

			

		

		

			
				
利用pytorch实现logistic regressionLogistic regression代码实现结果输出
Logistic regression
关于Logistic regresssion 的讲解我在之前的文章有叙述，这里大家直接参考之前的文章即可。
Logistic regression原理详解.
代码实现
import torch
import torch.nn as nn
import torchvision
import torchvision.transforms as transfo

			
		

	





	

		

			

				
					
Logistic Regression的PyTorch实现

				
			

			

				

					哈哈哈哈哈嗝哈哈哈
				

				

					11-28
					
					1860
					
				

			

		

		

			
				
Index 目录索引写在前面问题描述与分析Logistic Regression的数学原理logistic 函数PyTorch代码实现参考文章

写在前面
深度学习主要分为回归和分类这两个任务，本文将用一个分类的例子，使用PyTorch来搭建人工智能神经网络1，讲解如何搭建用通用模板来搭建一个完整的分类网络模型。【这是深度学习数学原理专题系列的第四篇文章】

问题描述与分析
本文的分类案例，是一个二分类问题，目的是要根据输入的学习时间，来预测能否考试合格，最终输出是考试通过的概率。
题目中给出的数据表明，学

			
		

	





	

		

			

				
					
PyTorch实现Logistic regression

				
			

			

				

					misite_J
				

				

					04-10
					
					2543
					
				

			

		

		

			
				
逻辑回归（Logistic regression）

回归方法是对数值型连续随机变量进行预测和建模的监督学习算法。其特点是标注的数据集具有数值型的目标变量。回归的目的是预测数值型的目标值。

逻辑回归对应线性回归，旨在解决分类问题，即将模型的输出转换为0/1值。逻辑回归直接对分类的可能性进行建模，无需事先假设数据的分布。
最理想的转换函数是单位阶跃函数（也称Heaviside函数），但单位阶跃函数...

			
		

	





	

		

			

				
					
PyTorch Lecture 06: Logistic Regression

				
			

			

				

					追随梦想，实现梦想
				

				

					05-20
					
					668
					
				

			

		

		

			
				
记住常用的句型（用多了，应该就记住了）import torch
from torch.autograd import Variable
import torch.nn.functional as F

x_data = Variable(torch.Tensor([[1.0], [2.0], [3.0], [4.0]]))
y_data = Variable(torch.Tensor([[0],...

			
		

	





	

		

			

				
					
PyTorch示例——LogisticRegressionModel

				
			

			

				

					蒋含竹的博客
				

				

					01-17
					
					279
					
				

			

		

		

			
				
LogisticRegression、逻辑回归、回归、PyTorch、示例、深度学习、python、model

			
		

	





	

		

			

				
					
Day3 PyTorch实现Logistic regression

				
			

			

				

					ZZQsAI的博客
				

				

					05-17
					
					545
					
				

			

		

		

			
				
PyTorch实现Logistic regression

PyTorch基础实现代码
用PyTorch类实现Logistic regression,  torch.nn.module写网络结构

1.Logistic regression



			
		

	





	

		

			

				
					
Pytorch实践之Logistics Regression 逻辑回归

				
			

			

				

					世界仙境与冷酷尽头's Blog
				

				

					06-16
					
					741
					
				

			

		

		

			
				
名字叫回归，但是是做分类的。在logistics regression当中，其输出的是概率（因为做的是分类问题），所以范围是[0,1]，1/1+e^-x 是逻辑函数，其的作用就是将回归问题的输出映射到概率空间之内。x取值在(-∞,+∞)，使得y在(0,1)当中。饱和函数
范围固定tanh(x) 双曲正切 常用 均值为0
[-1,1]
但是logistics function是输出0,1的，算是个SIGMOD的特殊函数logistics function常常写成sigma(x)
加了一个负号代表越小越好Los

			
		

	





	

		

			

				
					
任务3 PyTorch实现Logistic Regression

				
			

			

				

					qinhanmin2010的博客
				

				

					08-11
					
					341
					
				

			

		

		

			
				
import torch
import torch.nn as nn
import torchvision
import torchvision.transforms as transforms

# Hyper-parameters 
input_size = 784
num_classes = 10
num_epochs = 5
batch_size = 100
learning_rate =...

			
		

	





	

		

			

				
					
刘二PyTorch深度学习（五）——Logistic Regression

				
			

			

				

					zhaoweiaier的博客
				

				

					08-20
					
					388
					
				

			

		

		

			
				
Logistic 实现线性回归

			
		

	





	

		

			

				
					
Pytorch深度学习实践（5）Logistic Regression

				
			

			

				

					MInNrz的Love&Share
				

				

					04-06
					
					331
					
				

			

		

		

			
				
b站链接：https://www.bilibili.com/video/BV1Y7411d7Ys?p=6

Logistic Regression(逻辑斯蒂回归) 是一个用于分类的模型，并不是回归模型
对于预测值y，在分类问题中此时就是一个集合，例如y∈{0，1，2，3，…}，我们所要做的就是，得到y对应每个元素的概率，取概率最大的那个元素就是y的预测值，也就分类完成了。
用pytorch深度学习还是以下四个步骤：

准备数据集（用dataloader和dataset）
设计模型（设计 计算图）
构建损失.

			
		

	





	

		

			

				
					
pytorch实现logistic回归

				
			

			

				

					06-28
				

			

		

		

			
				
 super(LogisticRegression, self).__init__()  self.linear = nn.Linear(X.shape[1], 1)  self.sigmoid = nn.Sigmoid()   def forward(self, x):  x = self.linear(x)  x = self.sigmoid(x)  return x  model = ...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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