机器学习之Logistic回归

最新推荐文章于 2024-10-24 15:08:29 发布

Darin_Zanyar

最新推荐文章于 2024-10-24 15:08:29 发布

阅读量814

点赞数

分类专栏：机器学习逻辑回归 Logistic Regression 文章标签：逻辑回归 Logistic Regression

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Darin_Zanyar/article/details/103577160

版权

本文深入探讨了Logistic回归，这是一种用于二分类问题的机器学习算法。首先介绍了Logistic函数，即Sigmoid函数，它将预测值映射到（0,1）区间。接着，讨论了逻辑回归的假设函数表达式，并详细阐述了损失函数及其对应的θ参数更新规则，利用梯度下降法优化模型。" 130383741,8524055,MySQL视图检查选项详解：CASCADE与LOCAL的差异与应用场景,"['数据库', 'SQL', 'MySQL']

摘要由CSDN通过智能技术生成

逻辑回归（Logistic Regression）是一个二分类问题，指预测的y值只有两个取值（1或0），通常称为正类（positive class）和负类（negative class），比如：肿瘤恶性和良性分类，邮件是垃圾邮件还是正常邮件等。当然，二分类问题可以扩展到多分类问题。

1.Logistic函数

如果我们继续使用线性回归来预测y的值，那么预测结果可能大于1或者小于0。我们想让y的预测结果分布在区间（0,1）内，就需要使用一个函数对y值进行归一化处理，这个函数称为Logistic函数，也称为Sigmoid函数。公式如下：

$\large g(z)=\frac{1}{1+e^{-z}}$

该函数图象如下图所示。由图可知，当z趋近于无穷大时，g(z)趋近于1；当z趋近于无穷小时，g(z)趋近于0

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。