机器学习实战-Logistic回归

机器学习实战-Logistic回归

一、最优化算法

  • 我们将首次接触到最优化算法,假设现在有一些数据点,我们用一条直线对这些点进行拟合(该线称为最佳拟合直线),这个拟合过程就称作回归。
  • 利用Logistic回归进行分类的主要思想是:根据现有数据对分类边界线建立回归公式,以此进行分类。这里的“回归” 一词源于最佳拟合,表示要找到最佳拟合参数集。
  • 训练分类器时的做法就是寻找最佳拟合参数,使用的是最优化算法。

二、Logistic回归一般过程

  1. 收集数据:采用任意方法收集数据。

  2. 准备数据:由于需要进行距离计算,因此要求数据类型为数值型。另外,结构化数据格式则最佳。

  3. 分析数据:采用任意方法对数据进行分析。

  4. 训练算法:大部分时间将用于训练,训练的目的是为了找到最佳的分类回归系数。

  5. 测试算法:一旦训练步驟完成,分类将会很快。

  6. 使用算法:首先,我们需要输入一些数据,并将其转换成对应的结构化数值;
    接着,基于训练好的回归系数就可以对这些数值进行简单的回归计算,判定它们属于
    哪个类别,在这之后,我们就可以在输出的类别上做一些其他分析工作。

三、基础描述

1.我们想要的函数就是,能够接受所有的输入然后预测类别。例如,在两个类的情况下,输出0或者1.我们使用的具有这种性质的函数叫做Sigmoid函数,函数公式如下:

该函数在跳跃点上从0瞬间跳跃到1。函数图如下:

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
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