本文介绍了逻辑回归在分类问题中的应用，包括假设表示、决策边界、代价函数和梯度下降。逻辑回归虽名为回归，实为分类算法。通过逻辑函数将线性模型转换为0/1分类模型。文章详细阐述了如何确定决策边界，以及代价函数的性质和简化过程，并探讨了使用梯度下降优化参数的方法。
分类问题
分类的时候，我们通常让0为负类，1为正类。
有时候，线性回归并不能很好的解决分类问题。比如如下图所示的训练集，增加了一个样本，直线由粉红色变成了蓝色，得到了一个更坏的假设。
逻辑回归实际上是分类算法，不要被它名字所骗了。 逻辑回归也叫做对数几率回归，明明是分类算法，为什么叫做回归呢？因为它仅仅是在线性回归的基础上，将线性模型通过一个函数，转化为结果只有0/1的分类模型。
假设表示（Hypothesis Representation）
g()函数是逻辑函数，h0(x)是假设函数。
例如检测肿瘤是否为恶性肿瘤，x0默认为1，将x1设为肿瘤的大小，带入假设函数h0(x)，得到h0(x)为0.7.所以有百分之7
最低0.47元/天 解锁文章
扫一扫
1332
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
