机器学习之逻辑回归

本文介绍了Logistic Regression这一算法,它是经过logistic方程归一化的线性回归模型。Logistic Regression适用于概率预测及分类问题,能够预测每个可能的概率并选择最高可能性的类别。此外,该算法主要用于解决特征与目标间存在线性关系的问题。

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

Logistic Regression 就是一个被logistic 方程归一化后的线性回归。——某大神

Logistic Regression的适用性:

1.可用于概率预测,也可用于分类

概率预测:预测每个可能性,选出可能性最大的N个。(支持向量机不行,超平面分割只有+1和-1)

分类问题:设定一个阈值,高于阈值为一类,低于阈值为一类。

2.仅能用于线性问题

只有在feature和target是线性关系时,才能用Logistic Regression(不像SVM那样可以应对非线性问题)。


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

Great1414

整理不易,谢谢支持

¥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