Coursera Machine Learning 课程笔记之第三周:逻辑回归(Logistic Regression)
来源:互联网 发布:比基尼激光脱毛知乎 编辑:程序博客网 时间:2024/05/22 06:56
概念:逻辑回归是典型的有监督学习(Supervised Learning)中的分类(Classifiction),其输出只有两个离散的值(0/ 1)。
逻辑函数(logistic function):
逻辑回归的估计函数是:
逻辑回归的假设函数(hypothesis Function):
逻辑函数
决策边界(Decision Boundary):
对特征维度的一个分割,边界的一边表示1,另一边表示0。其具体表现为
花费函数(Cost Function):
因为
这里Cost Function的意义就是为了符合真实花费,比如当y等于1时,真实输出值如果趋近于1,它的花费就会趋近于0,如果背道而驰地真实输出值趋近于0那么它的花费就会趋近于
逻辑回归(Logistic Regression)的梯度下降算法(Gradient descent):
这里发现和回归分析的梯度下降算法及其相似,但是不一样。因为
高级的算法:
相比于赤裸裸的梯度下降(Gradient descent),有优化版本和更多表现更好的算法。这些都只需要直接调用库里的内容。
比如有:
- Conjugate gradient method
- BFGS
- L-BFGS
多对一方法(one vs all method):
对于只有两种离散输出的逻辑回归分析,如果我们的结果有多种输出。可以把它化为逻辑回归来做,也就是对于每一种输出,都把它和剩余部分区分开来,算出它们的决策边界(Decision boundary)。然后当输入一个值的时候,我们带入这些各自的假设函数(逻辑回归的预测函数给出的是等于该值的概率),求其中概率最大的一个就是我们的预测输出。
过度拟合(overfit):
当我们设置过多的特征变量和过高的特征变量次数的时候,曲线就会变得非常拟合,但是这样高度的拟合并不是好的,它使得预测性反而降低了。也就是它过度拟合了,不具有泛化的特性。
为了解决过度拟合有两种方法:
- 特此量筛选,删除一些特征量。
- 正规化(regularization)
正则化(Regularization):
正则化是对除去
具体的方法在线性回归就是在Cost Function中加一个
- Coursera Machine Learning 课程笔记之第三周:逻辑回归(Logistic Regression)
- Coursera-Machine Learning 之 Logistic Regression (逻辑回归)-0x01
- Coursera-Machine Learning 之 Logistic Regression (逻辑回归)-0x02
- [笔记]机器学习(Machine Learning) - 02.逻辑回归(Logistic Regression)
- Coursera Machine Learning 第三周 quiz Logistic Regression
- 【Machine Learning】逻辑回归 Logistic Regression
- Machine Learning逻辑回归(Logistic Regression)
- Coursera机器学习-第三周-逻辑回归Logistic Regression
- 3、Logistic Regression 逻辑回归 [Stanford - Machine Learning]
- Machine Learning - VI. Logistic Regression逻辑回归 (Week 3)
- [Machine Learning]4.逻辑回归(logistic regression)
- Machine Learning——Logistic Regression(逻辑回归)
- [机器学习] Coursera ML笔记 - 逻辑回归(Logistic Regression)
- Coursera Machine Learning 第三周 quiz Programming Exercise 2: Logistic Regression
- 《Machine Learning in Action》 读书笔记之四:逻辑回归(logistic regression)
- Machine Learning课程笔记3:逻辑回归
- Coursera Machine Learning Week 3.1: Logistic Regression
- Andrew Ng 《Machine Learning》第三讲——分类(Classification)&逻辑回归(Logistic Regression Model)
- ListView数据空值显示
- C/C++内存泄漏检查之经验
- Android源码开发之小部件定位图标只能在准确度高和耗电量低之间切换
- 从此小白都用上了cocoapods管理第三方
- Coursera Machine Learning 课程笔记之第二周:梯度下降详解
- Coursera Machine Learning 课程笔记之第三周:逻辑回归(Logistic Regression)
- TextView使用SpannableString设置复合文本
- 【转载】第一次亲密接触 之 VB和Flash的交互
- AD09之与AD6版本使用不同对比
- 动画位置制定
- Genymotion问题解决之 INSTALL_FAILED_NO_MATCHING_ABIS (一)
- MongoDB3.0连接
- 130,NSDate的应用
- 2-2-求并集A=A∪B-线性表-第2章-《数据结构》课本源码-严蔚敏吴伟民版