Pytorch 学习 - 7.pytorch 张量数学-逻辑回归与机器学习模型训练步骤

先掌握pytorch，学好pytorch,  才能学好人工智能

数学模型

逻辑回归（Logistic Regression）是统计学和机器学习中一种常用的分析方法，以下是对其的详细解释：

一、定义

线性回归

y = WX+B

逻辑回归

  出来的结果是连续值映射到0和1之间，从而实现对二分类问题的处理。

对数机率回归

   与 逻辑回归  等价

对数回归 

逻辑回归是一种分类算法，主要用于处理分类问题，尤其是二分类问题。尽管名称中有“回归”二字，但实际上它是一种分类算法，并非用于回归分析。逻辑回归通过引入Sigmoid函数，将线性回归的连续值映射到0和1之间，从而实现对二分类问题的处理。

二、Sigmoid函数

Sigmoid函数是逻辑回归的核心，其函数公式为：

Sigmoid(z) = 1 / (1 + e^(-z))

其中，z是线性回归的预测值。通过Sigmoid函数，可以将z转换为概率值p，从而判断样本属于哪个类别。Sigmoid函数的输出值在(0,1)之间，可以将其解释为某一类别的概率。

三、算法原理

逻辑回归的算法原理可以概括为以下几个步骤：

1. 构建线性回归模型，计算预测值z。
2. 使用Sigmoid函数将预测值z转换为概率值p。
3. 根据概率值p判断样本属于哪个类别（通常设定一个阈值，如0.5，大于阈值的判为正类，小于阈值的判为负类）。