感知器与逻辑回归主要的区别有哪些?

本文探讨了感知器(Perceptron)与逻辑回归(Logistic Regression)的主要区别。感知器使用误分类点到超平面的距离总和作为损失函数,而逻辑回归采用交叉熵损失。逻辑回归通过sigmoid激活函数提供概率解释,其连续可导性有助于优化,相比感知器的阶跃函数,能获得更平滑的分类效果。

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

一、感知器与逻辑回归主要的区别有哪些?

  1. 两者的损失函数有所不同,PLA针对误分类点到超平面的距离总和进行建模,LR使用交叉熵损失建模。
  2. LR比PLA的优点之一在于对于激活函数的改进。前者为sigmoid function,后者为step function。LR使得最终结果有了概率解释的能力(将结果限制在0-1之间),sigmoid为平滑函数(连续可导),能够得到更好的分类结果,而step function为分段函数,对于分类的结果处理比较粗糙,非0即1,而不是返回一个分类的概率。
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

夏天的爱人是绿色

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