我们就不进行回归的公式推导了,从底层原理来区分回归的本质:
逻辑回归是用来做二分类的,它的误差符合概率的二项分布。
h
(
x
)
=
w
x
=
y
h(x)=wx=y
h(x)=wx=y
g
(
y
)
=
1
/
e
y
+
1
g(y)=1/e^y+1
g(y)=1/ey+1
线性回归是用来做拟合的,它的误差是符合高斯分布的
h
(
x
)
=
w
x
=
g
(
x
)
h(x)=wx=g(x)
h(x)=wx=g(x)
假定样本独立。然后通过w的似然函数求解,求解出最大似然估计。
回归的简单理解
最新推荐文章于 2020-08-31 12:36:15 发布