机器学习:Logisitic回归
来源:互联网 发布:树莓派3 有线网络配置 编辑:程序博客网 时间:2024/06/03 14:14
Logistic回归(logistic regression)是统计学习中经典的分类方法,其模型属于对数线性模型。
1.Logistic分布(logistic distribution)
什么是logistic分布?
我们假设有一组变量X是连续随机变量,当X具有下列分布函数和密度函数时,我们就说X服从Logistic分布,
分布函数:
密度函数:
式中,位置参数,为形状参数。
logistic分的密度函数F(x)和分布函数F(x)的图形如下所示:
分布函数属于logistic函数,是一条S曲线(Sigmoid),可以看出,曲线在中心附近增长速度较快,在两端增长速度较慢,形状参数的值越小,曲线在中心附近增长得越快。
2.二项logistic回归模型
什么是二项logistic回归模型?
二项logistic回归模型是一种分类模型,其模型是如下的条件概率分布:
其中x是输入, {0, 1}是输出,w和b是参数,w为权重向量,b为偏置。
上述两式即求出了实例x的条件概率,logistic回归通过比较这两个条件概率的大小,将实例x分到概率值较大的那一类。
3.模型参数估计
对于给定的训练数据集,其中 {0, 1},这里应用极大似然法来估计模型参数。
假定:
则
似然函数为
接下来就是取对数似然函数,对 对数似然函数取极大值,即得到w的估计值。
对对数函数求导的求导公式略繁琐,就以下面几张图片做展示(来自邹博老师的课件),这里的即为我们上面所描述的w.
0 0
- 机器学习:Logisitic回归
- 机器学习-3 logisitic 回归
- 机器学习-线性回归
- 机器学习-Logistic回归
- 【机器学习】线性回归
- 机器学习-线性回归
- 机器学习-logistic回归
- 机器学习 线性回归
- 【机器学习】Logistic回归
- 机器学习-线性回归
- 机器学习-逻辑回归
- 机器学习--线性回归
- 机器学习-Logistic回归
- 机器学习:逻辑回归
- 机器学习 回归notes
- 机器学习---逻辑回归
- 机器学习之回归
- 机器学习-Logistic回归
- 判别模型、生成模型与朴素贝叶斯方法
- 坚持#第75天~打字像Arry老师一样快!
- 结束专题训练hdu1255
- 10 个不常见却非常有用的PHP函数
- 《算法》第一章——二分查找(基础)
- 机器学习:Logisitic回归
- 文章标题
- js判断是否为IE浏览器
- class和interface的区别
- HDOJ.2501 Tiling_easy version
- 奇异值分解(SVD)详解及其应用
- Java编程思想(第六章)
- 怎样切换Java的jre类库
- 信号阻塞问题