为了账号安全,请及时绑定邮箱和手机立即绑定

机器学习笔记 第6课:逻辑回归算法

标签:
机器学习

逻辑回归是机器学习从统计领域借用的又一项技术。它是二元分类问题(即只有两种类型的分类问题)的首选方法。

逻辑回归和线性回归的类似之处在于,其目标是找到每个输入变量的权重系数。

与线性回归的不同之处在于,逻辑函数是非线性函数,逻辑回归使用非线性的逻辑函数对输出结果进行转化。

逻辑函数看起来像一个大S,能够将任何值转换为0到1的范围。


webp

webp

webp

这很有用,因为我们可以对逻辑函数的输出应用一个规则,把输出结果转换到0和1之间的值(比如,如果小于0.5, 然后输出0),从而预测是哪一个类(类0,还是类1)。

鉴于模型的学习方式,逻辑回归所做的预测也可以当作是--给定数据实例属于类型0或类型1的概率。这对于需要对预测结果给出依据的问题很有帮助。

类似于线性回归,当你删除与输出变量无关的属性,以及彼此非常相似(相关)的属性时,逻辑回归算法会工作地更好。

逻辑回归是解决二元分类问题的模型,快速且有效。



作者:首席IT民工
链接:https://www.jianshu.com/p/88b0400c9ac4


点击查看更多内容
TA 点赞

若觉得本文不错,就分享一下吧!

评论

作者其他优质文章

正在加载中
  • 推荐
  • 评论
  • 收藏
  • 共同学习,写下你的评论
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦
今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与 放弃机会
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消