zhengjihao的博客

逻辑斯蒂回归是统计学习中的经典分类方法。 逻辑回归可以分为二项逻辑回归和多项逻辑回归。我们主要讲解二项逻辑会回归。 假设输入x∈Rn,Y∈{0,1}x\in \mathbf{R}^{n},Y\in \{ 0,1\}， 则二项逻辑回归可以表示为 P(Y=1|x)=exp(w⋅x+b)1+exp(w⋅x+b)P(Y=1|x)=\frac{exp(w \cdot x + b)}{1 +exp(

朴素贝叶斯法将实例分到后验概率最大化的类中。这等价与期望风险最小化。假设选取的是0-1损失函数， L(y,f(x))={10y≠f(x)y=f(x)L(y,f(x)) = \begin{cases}1 & y \neq f(x) \\0 & y = f(x)\end{cases} 这是期望风险函数为Rexp(f)=∫∫DXYL(y,f(x))P(x,y)dxdy=R_{exp}(