逻辑回归
来源:互联网 发布:淘宝fake鞋店 编辑:程序博客网 时间:2024/06/01 18:04
sigmoid函数
sigmoid函数:
函数图像:
函数的导数:
(求导过程很简单,略)
逻辑回归模型
目标函数:
把sigmoid套在线性回归的模型上,得到:
损失函数:
假设有n个观测样本,观测值分别为设为给定条件下得到yi=1的概率。在同样条件下得到yi=0的条件概率为。于是,得到一个观测值的概率为:
使用最大似然估计,可以估计出使得概率最大的θ参数。
对上式求对数:
所以逻辑回归的损失函数为:
对损失函数求导:
把大括号里面的两项分别求导:
最后带入,得到损失函数的导数为:
求解方法
梯度下降:
迭代公式为:
优缺点
优点:
实现简单,广泛的应用于工业问题上;
分类时计算量非常小,速度很快,存储资源低;
便利的观测样本概率分数;
缺点:
当特征空间很大时,逻辑回归的性能不是很好;
容易欠拟合,一般准确度不太高
不能很好地处理大量多类特征或变量;
只能处理两分类问题(在此基础上衍生出来的softmax可以用于多分类),且必须线性可分;
对于非线性特征,需要进行转换;
阅读全文
0 0
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- python+selenium 点击单选框-radio的实现
- pycharm Enable Django Support 设置
- TerraExplorer 6.6 for JavaScript 通过图层获取地理要素,获取图层属性信息,矢量标注等通用方法
- burp代理手机客户端不支持代理还走http协议方法
- 1009.Engima(未解)
- 逻辑回归
- Spring MVC远程连云服务器mysql的几点总结
- HDU-6201 transaction transaction transaction(树dp / 最长(短)路)
- SpringMVC集成ActiveMQ
- Gym
- POJ 1279 Art Gallery (计算几何+半平面交)
- Spring AOP实现事务和主从读写分离
- Mnist进阶
- Solr配置从Mysql导入数据到索引库