Logistic回归与sigmoid

Logistic回归是一种用于分类的线性模型,常用于线性分类。它通过结合线性回归与sigmoid激活函数,将预测结果转换为0~1区间,适用于二分类问题。在神经网络中,每层也可以视为Logistic回归。本文探讨了Logistic回归的基本原理,并欢迎读者交流讨论。

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

Logistic回归是一种常用的分类方法,虽然名字叫回归,但它的确是一种用于分类的方法,常用于线性分类或者配合其他应用如神经网络中的每一层可以看成一个logistic回归问题。Logistic 回归本质上是一个线性回归,只不过是在线性回归之后再加了一层激发函数,通常采用sigmoid函数作为激发函数,激发函数的作用是将线性回归的结果映射到0~1区间里。

本人水平有限,文章有错误的地方欢迎大家指出,有问题也希望大家能够留言交流,一起学习进步



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