5、【李宏毅机器学习(2017)】Logistic Regression(Logistic回归)

这篇博客详细介绍了Logistic回归的原理和与线性回归的区别,强调了在分类问题中使用Cross entropy而非MSE的重要性。内容涵盖了二分类问题的模型建立、损失函数、多分类拓展以及Discriminative与Generative模型的对比,并讨论了Logistic回归的局限性和解决策略。
摘要由CSDN通过智能技术生成

本篇博客将在分类模型基础上继续,并开始学习一种常用的分类算法——Logistic回归,同样按照机器学习简介中机器学习建模步骤。


目录


step1

同样考虑一个而分类问题,此时Function Set 为 fx=Pw,b(C1|x)=σ(z)=11+exp{ (wx+b)} f x = P w , b ( C 1 | x ) = σ ( z ) = 1 1 + e x p { − ( w x + b ) } ,如果 Pw,b(C1|x)>0.5 P w , b ( C 1 | x ) > 0.5 ,class为 C1 C 1 ,否则为 C2 C 2
这里写图片描述

step2

class C1 C 1 的标记 ŷ  y ^ 为1,class C2 C 2 的标记 ŷ  y ^ 为0, Pw,b(C1

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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