本文详细介绍了逻辑回归，从其作为分类问题首选算法的介绍，到核心的Sigmoid函数思想，参数估计的对数似然函数及梯度下降方法，再到对数线性模型和损失函数的探讨。同时，文章还涵盖了广义线性模型和Softmax回归，最后明确了Logistic回归的适用条件，强调了模型的二项分布特性以及独立观测的重要性。
逻辑回归（ Logistic regression）
http://www.mamicode.com/info-detail-501714.html
https://baike.baidu.com/item/logistic%E5%9B%9E%E5%BD%92/2981575
http://blog.youkuaiyun.com/han_xiaoyang/article/details/49123419
http://blog.youkuaiyun.com/u010692239/article/details/52345754
一、介绍
Logistic回归：分类问题的首选算法。
回归与分类的区别：回归所预测的目标量的取值是连续的（例如房屋的价格）；而分类所预测的目标变量的取值是离散的（例如判断邮件是否为垃圾邮件）。
为便于理解，从二值分类（Binary Classif
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
