Logistic 回归

最新推荐文章于 2022-09-14 13:08:28 发布

奋斗啊哈

最新推荐文章于 2022-09-14 13:08:28 发布

阅读量843

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习算法文章标签： logistics

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/foolsnowman/article/details/51399504

分类

Logistics使用logistics函数对特征和输出类别的概率进行建模，而使用线性模型输出表示分类的概率时不能保证概率特性（如概率介于0、1之间），如下

P (y = t r u e | x) = w \cdot f

$P(y=true|x)=w\cdot f$ 但是使用线性输出结果可以表示不同分类发生的几率，

P ( y = t r u e | x ) P ( y = f a l s e | x ) = P ( y = t r u e | x ) 1 - P ( y = t r u e | x ) = w \cdot f

$\frac {P(y=true|x)}{P(y=false|x)}=\frac {P(y=true|x)}{1-P(y=true|x)}=w\cdot f$

上式等式两边的值域范围不同，使用自然对数解决这个问题

ln P ( y = t r u e | x ) 1 - P ( y = t r u e | x )

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。