Logistic回归
来源:互联网 发布:许雯的淘宝店 编辑:程序博客网 时间:2024/06/05 20:29
线性回归的输出值是一串连续值,但有时候希望输出值可以是0~1的连续值,这样的输出在某种程度上可以看做是概率,可以用于分类问题,Logistic回归通过sigmoid函数
Logistic回归模型公式表示:
根据MLE与伯努利分布(the Bernoulli distribution)得到Logistic回归参数的学习规则
见②,因为对数似然小于0,所以可以以负对数似然作为损失函数:
当正例标记为1,负例标记为-1,则损失函数可表示为:
虽然Logistic回归是线性的,但是通过变量的组合来提升维度,也可以得到曲线分界面,得到更多的特征参与训练,也可以解决异或问题。
附录
①:为什么是sigmoid函数
②:Logistic回归参数估计
阅读全文
0 0
- Logistic回归
- Logistic回归
- logistic回归
- Logistic 回归
- Logistic 回归
- logistic回归
- Logistic回归
- Logistic回归
- Logistic回归
- Logistic回归
- logistic回归
- Logistic回归
- logistic回归
- Logistic 回归
- logistic回归
- Logistic回归
- logistic回归
- Logistic回归
- Android导入第三方库的方法 jar方法
- 开机动画制作修改
- 网络唤醒原理浅析(Wake On LAN)
- mac系统 python2.7安装mysql数据库连接
- Java_IO_2_Java IO原理
- Logistic回归
- Guava Predicate 用法整理
- 每日一诗词 —— 行路难
- 斐波那契数列
- 关于推荐系统(Recommender System)推荐引擎的吐槽
- Lintcode113 Remove Duplicates From Sorted List || solution 题解
- 153. php 引用
- Dialog中传入context的理解
- PHP进阶(第六弹:异常处理)