LR详解以及常见面试题

本文深入探讨了逻辑回归(LR)的概念,从线性回归基础出发,详细讲解了LR的学习策略、损失函数和多分类应用。此外,还讨论了LR在面对数据不平衡和特征相关性时的处理方法,并分享了相关面试题,包括LR的优缺点、特征组合的原因等。

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

学习LR的心得体会以及搜集的一些面试题

LR

线性回归

先来看看最基础的线性回归问题,目的是学习一个线性模型以尽可能准确的预测连续的输出值。既最符合数据的
线性回归
学习策略为使预测值与真实值之间的均方误差最小,既
在这里插入图片描述
最小。令其对w和b的导数为0即可得到最优解
在这里插入图片描述
以及(推导w时要用b的公式回代)
在这里插入图片描述
扩展一下多特征数据中优化目标为(此处w为上面w和b的增广矩阵)
在这里插入图片描述
求导得
在这里插入图片描述
如果加入L1和L2正则项来约束特征系数状态的话就成了Lasso

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