Logistic回归与牛顿法(附Matlab实现)

本文介绍了Logistic回归在二分类问题中的应用,详细讲解了sigmoid函数,并通过最大似然估计推导了模型参数的求解过程。接着,文章对比了梯度下降法,重点探讨了牛顿法的原理和更新公式,指出牛顿法在迭代次数少、收敛速度快的优势。此外,还提供了使用Matlab实现Logistic回归牛顿法的代码示例,并展示了数据处理前后的效果。
摘要由CSDN通过智能技术生成

回归,是一种连续模型,受噪声的影响较大,一般都是用来做预测的,但也有除外,比如本文要讲的Logistic回归就是用来做分类的。


Logistic Regress


Logistic一般用于二分类问题,不同于之前讲的线性回归,它是用一条直线来分割两种不同类别的样本。其函数形式为

若令,则可以等价为

这个函数也叫sigmoid函数。其函数图像如下

得到了Logistic回归模型后,接着就要找到合适的θ去拟合它了。

首先假设

可得概率公式

再假设训练集独立同分布,类似于线性回归,这里也用最大似然估计得

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值