logistic分类
来源:互联网 发布:股票交易用什么软件 编辑:程序博客网 时间:2024/06/05 11:31
对Logistic回归模型,个人做的一些总结:
公式就不套用了,教材上面基本都有而且详细。logistic回归用图形化形式描述如下:
logistic回归是一种简单高效的分类模型,它不仅可以通过学习来预测样本的类别,还可以得到样本属于各个类别的概率信息。因此在机器学习中得到了及其广泛的应用。
同时,它还有比较与其他模型的一些优点:
(1)logistic回归模型是线性模型,线性模型的优势是稳定性强,求解简单。但通常情况下,线性回归拟合得到的输出范围是不确定的,可以从负无穷至正无穷的区间范围内,输出的“不确定性”给分类问题提出了很大的挑战。logistic回归模型汲取了一般线性模型的优点,同时由于增加了Sigmoid函数,因此将输出范围限定在了0-1区间,而最终的输出可以看作是输入的条件概率分布。因此具有很好的实用性和可解释性。
(2)模型求导方便,使用简单的求导法则即可完成模型的求导,因此很多教材/教程都将该模型作为了入门学习的模型,受众广大/使用简单。相比于神经网络/SVM等模型,对于应用者来说是拿来就可以用的起的模型。
(3)模型是基于统计学的,在二分类情况下,假设样本服从伯努利分布后最大化极大似然函数进行推导的结果,这一部分可以参考斯坦福大学的资料,因此是具备足够理论支撑的模型。
(4)同样是计算过程简单,对于现在互联网行业中轻则百万千万的样本量的输入来说,使用起来是低成本的,同时迭代起来也快。
(5)对于小样本量来说,logistic模型训练参数的个数与输入维数是基本一致的,在前期进过降维和特征选择之后,输入的特征并不会太多,因此需要训练的参数个数相比其他模型来说相对较少,过拟合的程度相对还好。
(6)处理多分类问题,可以使用one to all的方法训练多个分类器,在神经网络处理多分类问题时,最终输出结果通常会使用softmax函数,可以看作是logistic模型的广义推广。
欢迎同行指正和补充。
- logistic分类
- Logistic回归分类
- Logistic Regression 分类算法
- logistic回归分类
- logistic回归分类
- Logistic应用于二分类
- Python Logistic 回归分类
- 分类和Logistic回归
- 分类算法:Logistic回归
- Logistic分类函数
- Logistic 多分类
- logistic分类(logistic回归 LR)
- 分类数据之logistic回归
- Logistic回归(一)分类
- 线性分类器:Logistic Regression
- Logistic Regression分类器原理
- Logistic 梯度法进行分类
- logistic regression 分类:机器学习
- 无情的独裁者-特斯拉的马斯克
- 关键字static/const的作用
- c语言中进程的基本概念
- 判断是为魅族系统(Flyme OS)
- jsp代码页面报:javax.servlet.jsp.PageContext cannot be resolved to a type错误的解决办法
- logistic分类
- JavaScript 正则表达式对象RegExp test方法慎用/g
- @Autowired与@Resource的区别
- Listview使用BaseAdapter添加不同布局
- firefox 插件Tab Mix Plus配置截图
- MyBatis-动态SQL
- epoll
- 多线程笔记
- 标准化互信息NMI的实现源码。