逻辑回归：从定义到应用
逻辑回归是一种结合线性回归与sigmoid函数的二分类算法。它通过将线性回归的预测值转换为【0，1】区间，适用于判断问题。sigmoid函数确保输出接近0或1，适合二分类任务。在人工神经网络中，每个神经元都可视为一个逻辑回归单元。
定义
逻辑回归 是 线性回归 接一个 sigmoid函数
σ
(
x
)
=
1
1
+
e
−
(
w
x
+
b
)
\LARGE {\sigma(x) = {1 \above{1pt} 1+e^{-(wx+b)}}}
σ(x)=1+e−(wx+b)1
ps：
-
线性回归：用一根线去拟合多个变量之间的数量关系
y = w x + b \LARGE {y=wx+b} y=wx+b -
sigmoid函数：将变量映射到【0，1】之间，并且映射值尽量向 0，1 两端靠拢
σ ( x ) = 1 1 + e − x \LARGE {\sigma(x) = {1 \above{1pt} 1+e^{-x}}} σ(x)=1+e−x1
用途
把线性回归拟合的点拉向0或者1，用于解决二分类问题
ps：人工神经网络中的每一个神经元都是一个逻辑回归
扫一扫
1794
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
