为了账号安全,请及时绑定邮箱和手机立即绑定

逻辑回归原理与应用

白朔天 算法工程师
难度中级
时长 2小时31分
学习人数
综合评分95
8人评价 查看评价
9.8 内容实用
9.2 简洁易懂
9.5 逻辑清晰
简介:本课程从逻辑回归的定义及其在机器学习所处地位入手,深入浅出的分析和推导逻辑回归算法的数学原理。以逻辑回归原理为基础,采用python语言,实际的开发一个基于梯度下降法的逻辑回归模型;并根据模拟的数据集,对模型的预测效果作出量化的评估。

第1章 课程介绍

本章中将介绍逻辑回归的基本概念,阐述逻辑回归的基本性质和建模过程,并指出逻辑回归在机器学习学科中所处的类别和地位。

第2章 逻辑回归的原理

本章中将讲述似然函数、极大似然估计法的基本概念,并用其建立逻辑回归算法的损失函数。阐述函数梯度的定义和计算过程,对逻辑回归损失函数进行最优化求解。

第3章 逻辑回归的代码实现

本章中将简述在课程中,所使用数据集构建的方法及其基本信息。并对采样误差的广泛性进行说明。通过python代码,开发基于梯度下降法的逻辑回归模型。

第4章 逻辑回归模型应用

本章中将分析逻辑回归拟合的本质,简述过拟合的定义、现象、危害性、以及常用的解决办法。确定逻辑回归的几个重要入参,分析模型参数对分类效果的影响作用。

第5章 课程总结

本章中将总结本门课程的全部核心内容。
课程须知
本课程会从逻辑回归的数学原理开始介绍,开始学习前,需要同学们具备基本的高等数学基础、python基础开发的能力。同时,课程实践部分,会实际写python代码,需要同学们在个人电脑中安装好python开发环境。
老师告诉你能学到什么?
1.逻辑回归内核的数学原理。 2.针对二分类问题,通过逻辑回归算法,自己开发算法模块,建立模型。 3.逻辑回归模型的参数优化和效果评估,并从中发现问题、迭代模型。
意见反馈 邀请有奖 帮助中心 APP下载
官方微信