逻辑回归LR

最新推荐文章于 2024-11-18 20:49:59 发布

山野村夫_pro

最新推荐文章于 2024-11-18 20:49:59 发布

阅读量236

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习 LR 逻辑回归

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/wwyl1001/article/details/99171626

本文介绍了逻辑回归LR的基本概念，包括模型构建——将线性回归与sigmoid函数结合，以及为什么逻辑回归适用于分类任务。讨论了逻辑回归的损失函数，指出线性回归的均方误差不适用，而采用的是交叉熵损失函数。文章最后预告了最小化损失函数和正则化的相关内容。

一、模型函数

逻辑回归LR = 线性回归 + sigmoid
它是过去应用最广泛最流行的一种分类/排序算法，

虽然逻辑回归的名字是“回归”，但它是一种分类算法。

一般来说，不建议用线性回归做分类，因为线性回归的输出值可能远大于1或远小于0，而逻辑回归的输出压缩在区间[0，1]

线性回归： $h_{\theta}(x)=\theta_{0} x_{0}+\theta_{1} x_{1}+\theta_{2} x_{2}+\cdots+\theta_{n} x_{n} =\theta^{T} x$ ，其中 $x_0$ = 1，线性回归对特征权重有很好的解释性。

sigmoid函数： $g(z) = \frac{1}{1+e^{-z}}$ ，函数图像如下：

最低0.47元/天解锁文章

新学期VIP享超值加赠

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。