逻辑回归_数据结构与算法博客-专业IT技术发表平台

推荐付费专栏 VIP文章

小馒头学python

【机器学习】突破分类瓶颈：用逻辑回归与Softmax回归解锁多分类世界 💗💗💗欢迎来到我的博客，你将找到有关如何使用技术解决问题的文章，也会找到某个技术的学习路线。无论你是何种职业，我都希望我的博客对你有所帮助。最后不要忘记订阅我的博客以获取最新文章，也欢迎在文章下方留下你的评论和反馈。我期待着与你分享知识、互相学习和建立一个积极的社区。

阅读 2.8k

59赞

【漫话机器学习系列】113.逻辑回归（Logistic Regression） VS 线性回归（Linear Regression）在机器学习和统计学中，逻辑回归（Logistic Regression）和线性回归（Linear Regression）都是非常常见的模型。尽管它们的数学表达式有一定的相似性，但它们的应用场景和目标却完全不同。本篇文章将详细对比两者的区别，并深入解析逻辑回归的数学原理。

阅读 852

18赞

60岁的程序猿

机器学习—逻辑回归目录1、基础概念1.1、什么是逻辑回归1.2、逻辑回归与线性回归的区别1.3应用场景2、逻辑回归模型2.1、模型定义2.2、Sigmoid函数2.3、决策边界2.4、概率解释3、模型训练3.1、损失函数3.2、梯度下降法3.3、牛顿法3.4、拟牛顿法3.4、正则化3.5、总结4、多分类问题4.1、一对多（One-vs-All）4.2、一对一（One-vs-One）4.3、多标签分类5、数学基础5.1、概率论基础5.2、条件概率5.3、贝叶斯定理5.4、概率分布1、基础概念1.1、什么是逻辑回归逻辑回

阅读 4.4k

30赞

【机器学习】线性回归与逻辑回归的极致解析：从数学理论到实战案例线性回归是一种统计方法，用于研究因变量（目标变量）与一个或多个自变量（特征变量）之间的线性关系。通过拟合一条直线，线性回归模型试图找到最优的线性函数，使得预测值与实际观测值之间的误差最小。这条拟合的直线被称为“回归线”。简单线性回归（Simple Linear Regression）是指只有一个自变量的情况，而多元线性回归（Multiple Linear Regression）则涉及多个自变量。

阅读 3.0k

130赞

新手村：逻辑回归-01.什么是逻辑回归-初识速学逻辑回归（）是机器学习中一种基础且重要的分类算法，常用于二分类问题（如垃圾邮件检测、疾病诊断等）,而非预测连续数值。它是机器学习和统计学中应用最广泛的模型之一，尽管名字中包含“回归”，但它本质上是一个分类模型线性组合特征：将输入与权重结合；概率转换：用Sigmoid函数输出概率；参数优化：通过极大似然估计找到最佳参数；决策边界划分：根据概率阈值（如0.5）分类。扩展思考如何处理非线性可分数据？（引入多项式特征或核方法）如何防止过拟合？（正则化、交叉验证）逻辑回归能否用于多分类问题？

阅读 3.3k

63赞

十五境剑修

机器学习——逻辑回归总的来说，逻辑回归是一个非常基础但强大的分类模型，特别适合于需要高效处理二分类任务的场景。通过掌握逻辑回归的基本原理与技巧，我们能够在实际问题中快速构建、训练和优化分类模型，从而为决策提供可靠的支持。如果内容上有错误或者讲得不好的地方还请指正。

阅读 1.9k

26赞

机器学习——逻辑回归本模型要查看的评估指标为recall（召回率）。由结果发现，模型训练集和测试集上的recall值都不是很高，原因是为什么呢？我们发现数据集中正负样本个数相差太大，标签为0的样本有284315个，标签为1的样本数仅仅只有492个。这样的数据集我们称为不平衡数据集，它可能导致模型偏向于多数类，从而影响少数类的预测性能。那么我们该怎么解决这一问题呢？之后的两篇文章我们会采用两种不同方法来解决这类情况。

阅读 1.3k

21赞

线性回归与逻辑回归线性回归是一种用于预测连续型目标变量（因变量）与一个或多个自变量（特征）之间关系的模型。其基本假设是因变量与自变量之间存在线性关系。yβ0β1x1β2x2⋯βnxnyβ0β1x1β2x2⋯βnxnyyy是预测值β0\beta_0β0是截距β1β2βnβ1β2βn是回归系数x1x2xnx1x2xn是自变量。

阅读 1.4k

20赞

机器学习——逻辑回归（Logistic Regression）在机器学习中，分类问题是一种常见的任务，目标是根据输入特征将数据点分配到不同的类别中。为了实现分类，我们需要训练一个分类器，该分类器能够根据输入数据的特征进行预测。逻辑回归（LogisticRegression）是一种常用的分类算法，尤其适用于二分类问题。逻辑回归的核心思想是通过对数几率函数（logistic function）将线性回归的输出映射到概率空间，从而实现分类。注意：逻辑回归虽然名字中有回归二字，但是它不是回归算法，而是分类算法。梯度下降法（Gradient Descent）

阅读 7.1k

47赞

头歌——机器学习（逻辑回归）其实很简单，逻辑回归是将样本特征和样本所属类别的概率联系在一起，假设现在已经训练好了一个逻辑回归的模型为 f(x) ，模型的输出是样本 x 的标签是 1 的概率，则该模型可以表示，p =f(x)。通常，我们先将数据输入到模型，从而得到一个预测值，再将预测值与真实值结合，得到一个损失函数，最后用梯度下降的方法来优化损失函数，从而不断的更新模型的参数 θ ，最后得到一个能够正确对良性细胞和癌细胞进行分类的模型。区别似然和概率的直接方法为，"谁谁谁的概率"中谁谁谁只能是事件，也就是，事件(发生)的概率是多少；

阅读 2.2k

8赞

逻辑回归：Sigmoid函数在分类问题中的应用 Sigmoid函数（Logistic函数）是机器学习中最经典的激活函数之一，是一个在生物学中常见的S型函数，也称为S型生长曲线。在信息科学中，由于其单增以及反函数单增等性质，常被用作神经网络的激活函数，将变量映射到0,1之间。σx11e−xexex1σx1e−x1ex1ex函数图像呈现典型的 “S−∞∞−∞∞01(0, 1)01对称性：关于点(0, 0.5)中心对称可导性：处处可导。

阅读 1.3k

17赞

分类算法——逻辑回归详解逻辑回归是一种强大而有效的分类算法，能够通过概率的方式对输入数据进行建模。其底层原理基于线性模型和逻辑函数的组合，优化过程使用梯度下降等方法来调整模型参数。尽管有其局限性，但在许多实际应用中依然表现优越，尤其在特征数量较少且具有线性可分性的情况下。

阅读 2.7k

18赞

【机器学习】逻辑回归：原理、应用与实践逻辑回归（Logistic Regression）是一种广泛应用于分类问题的统计学方法，尽管其名称中含有“回归”二字，但它实际上是一种用于解决二分类或多分类问题的线性模型。逻辑回归通过使用逻辑函数（通常为sigmoid函数）将线性模型的输出映射到概率空间，从而预测某个事件发生的概率。本文将深入探讨逻辑回归的理论基础、模型构建、损失函数、优化算法以及实际应用案例，并简要介绍其在机器学习领域的地位和局限性。

阅读 3.9k

87赞

拓端研究室TRL

【视频】R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险|数据分享... 原文链接：http://tecdat.cn/?p=22410本文介绍了逻辑回归并在R语言中用逻辑回归（Logistic回归）模型分类预测病人冠心病风险数据（点击文末“阅读原文”获取完整代码数据）。逻辑回归是机器学习借用的另一种统计分析方法。当我们的因变量是二分或二元时使用它。视频：R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险它只是表示一个只有 2 个输出的变量，例如，预测抛硬...

阅读 125

0赞

逻辑回归(Logistic)模型 Logistic回归（逻辑回归）是基础的分类模型，将输出限定在0-1之间，表示分类的概率。在分类时，可设定阈值为0.5，概率超过0.5表示正例，小于0.5表示负例。应用场景包括医学检测（是否患病，肿瘤良性恶性）、金融（信用卡违约）、市场营销（客户是否流失）等。

阅读 803

4赞

python使用sklearn进行逻辑回归在逻辑回归部分，使用的数据集为自定义的房屋租金和面积相关的数据集，在实验初始阶段会。标准化数据，保证每个维度的特征数据方差为。使得预测结果不会被某些维度过。查看标准化处理后的数据。

阅读 463

1赞

Python实现逻辑回归与判别分析--西瓜数据集逻辑回归与判别分析解决二分类问题。

阅读 1.0k

14赞

逻辑回归：鸢尾花分类One-vs-Rest方法的实践鸢尾花数据集（Iris Dataset）是机器学习领域中最为经典的数据集之一，由英国统计学家和生物学家罗纳德·费舍尔（Ronald Fisher）在 1936 年首次引入。该数据集包含了 150 个样本，每个样本有 4 个特征：花萼长度（sepal length）、花萼宽度（sepal width）、花瓣长度（petal length）和花瓣宽度（petal width）。

阅读 891

27赞

数据攻城小狮子

深入探索Python机器学习算法：监督学习(线性回归,逻辑回归,决策树与随机森林,支持向量机,K近邻算法) 本文结合 Python 代码深入探讨常见机器学习算法。先介绍线性回归，含数据处理、共线性检测及扩展模型；逻辑回归用于二分类和多分类，展示 One - vs - Rest 和 Softmax 回归方法；决策树有多种算法及剪枝策略，随机森林经超参数调优提升性能；支持向量机含不同核函数、回归及多分类策略；K 近邻算法涉及 K 值选择、多种距离度量及改进策略。通过这些，助读者掌握算法原理、实现与应用。

阅读 971

41赞

读书寻路的

机器学习入门介绍随着GPT、stable diffusion等生成式AI模型受到大众的广泛关注，机器学习也开始走向我们的视野。那么什么是机器学习呢？机器学习约等于让机器自动去找到一个函数yfxy= f(x)yfx，然后通过这个函数来解决我们任务中的问题。Midjourney：我们期望函数输入是一段文字，输出是一段图片GPT：输入是一段文字，输出是另外一段文字一个预测房价的模型：我们期望函数输入的是房子的属性(房子的地段、建筑年龄、周围的交通)。而函数的输出是房子的价格。

阅读 137

0赞