人工智能基础_机器学习039_sigmoid函数_逻辑回归_逻辑斯蒂回归_分类神器_代码实现逻辑回归图---人工智能工作笔记0079

本文介绍了逻辑斯蒂回归作为分类算法的基本思想和应用,强调了其在线性运算基础上进行分类的特点。内容涵盖二分类问题、一对多方法以及与线性回归的区别。此外,还讨论了Sigmoid函数的重要性,并通过代码展示了Sigmoid函数的图形,进一步解释了如何利用该函数进行概率分类。

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

逻辑斯蒂回归(Logistic Regression)是一种常用的分类算法,其基本思想是通过拟合一个逻辑斯蒂函数来预测样本所属的类别。它广泛应用于各个领域,如医学、金融、市场营销等,具有较好的解释性和可解释性。在逻辑斯蒂回归中,我们通常使用的是二分类问题,即样本只属于两个类别中的一个。为了进行多类别的分类,可以采用一对多(One-vs-Rest)的方法,将多类别的问题转化为多个二分类问题。

虽然叫做逻辑斯蒂回归,但是不是回归算法是个分类算法.

而且这个逻辑斯蒂回归是基于线性运算的,分类模型

后面我们还会学习比如基于神经网络的分类器,是非线性的

SVM支持向量机的本质也是线性的.

我们之前学习的linear_model这个是线性模块,这里面的回归,包括,套索回归,弹性网络回归,岭回归,

线性回归,都是线性的,用来进行趋势的预测,还有曲线走势的数据拟合.

而这个逻辑斯蒂回归,是用来分类的

<
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

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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