文章标题
来源:互联网 发布:js document 创建标签 编辑:程序博客网 时间:2024/06/06 01:15
Logistic回归
逻辑斯蒂回归是统计学习中的经典分类方法。假设现在有一些数据点,我们用一条直线对这些点进行拟合(该线称为最佳拟合直线),这个拟合过程就称作回归。利用Logistic回归进行分类的主要思想是:根据现有数据对分类边界线建立公式,依此进行分类。
训练分类器时的做法就是寻找最佳拟合参数,使用的是最优化算法。
首先介绍Logistic分布
定义:设 X 是连续随机变量,X 服从Logistic分布是指 X 具有下列分布函数和密度函数:
F(x)=P(X<=x)=11+e−(x−μ)/r
f(x)=F′(x)=e−(x−μ)/rγ(1+e−(x−μ)/r)2
式中,μ为位置参数,γ为形状参数。逻辑斯蒂分布的密度函数f(x) 和分布函数F(x)的图形如下图,分布函数属于逻辑斯蒂函数,其图形是一条S形曲线,该曲线以点(μ,1/2)为中心对称,即满足:
F(−x+μ)−12=−F(x+μ)+12
曲线在中心附近增长速度很快,在两端增长速度很慢。形状参数γ的值越小,曲线在中心附近增长得越快。
F(x) f(x)
逻辑回归与线性回归的关系:
这两者都是一种广义线性回归模型。逻辑回归假设因变量y服从伯努利分布,而线性回归假设因变量y服从高斯分布。因此与线性回归有许多相同之处,去除Sigmoid映射函数的话,逻辑回归算法就是一个线性回归。可以说,逻辑回归是以线性回归为理论支持的,但是逻辑回归通过Sigmoid函数引入了非线性因素,因此可以轻松处理0/1分类问题。
阅读全文
0 0
- 文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题 文章标题 文章标题 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 文章标题
- 使用过滤器对所有请求进行字符编码过滤
- Python numpy.random中的shuffle和permutation函数的区别
- Lavarel 5.5安装步骤整理
- exce函数族及其用法
- ipython notebook使用教程
- 文章标题
- noip模拟赛公交车(这也留一个坑)
- 背包问题-贪心算法
- javascript作用域
- 简单整数运算(含限制条件)
- 2017.10.20(积性函数,BSGS,K进制数位DP)
- C语言——if-else语句嵌套
- c语言手动实现反转链表 Reverse
- ResNet-34 prototxt