(李航统计学习方法)逻辑回归

本文深入探讨了逻辑回归的概念,包括逻辑斯蒂分布和二项逻辑斯蒂回归模型。逻辑回归用于二分类问题,通过极大似然估计求解参数,并与线性回归对比分析其差异。此外,还讨论了模型对自变量的要求,以及其满足二项分布的原因。最后,总结了逻辑回归的优缺点,并与SVM进行了比较。

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

逻辑回归是参数模型,其本质是假设数据服从伯努利分布,通过极大似然函数的方法,运用梯度上升/下降法来求解参数,从而实现数据的二分类。
逻辑回归模型在面试的过程中,最常问到的就是公式的推导过程。所以,手撕公式,很重要。

首先介绍的是逻辑斯蒂分布:

X是连续随机变量,X服从逻辑斯蒂分布。逻辑斯蒂分布的分布函数与密度函数如下:

在这里插入图片描述
**

二项逻辑斯蒂回归模型

**
它是一种分类模型,由条件概率P(Y|X)表示,形式为参数化的 逻辑斯蒂分布。
在这里插入图片描述
其中,exp为以e为底的指数函数,x∈Rn是输入,y∈{0,1}输出,w,b是模型参数——w是权值向量,b称作偏置,w·x是向量内积。
有了后验概率,逻辑斯蒂回归模型选择二分类中较大的那一个完成分类。
另外,逻辑斯特回归模型还有一个方便的形式,如果将权值向量w和输入向量x拓充为w=(w(1),w(2),…w(n),b)T,x=(x(1),…x(n),1)T,此时逻辑斯谛模型可以表示为:

在这里插入图片描述
一个事件发生的几率是指该事件发生的概率与该事件不发生的概率的比值。
在这里插入图片描述
对上式进行一个对数变换后,发现:

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