LR模型(logistic regression)

最新推荐文章于 2024-05-24 14:31:54 发布

Doooer

最新推荐文章于 2024-05-24 14:31:54 发布

阅读量2.5k

点赞数 1

分类专栏：机器学习算法总结

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/YQMind/article/details/84784671

版权

LR模型，即逻辑回归，是一种线性分类模型，其优化目标是最小化逻辑损失函数。它与线性回归和SVM有共同点，如都是线性分类器和监督学习算法，但区别在于损失函数和处理非线性问题的方式。SVM采用核函数和几何间隔最大化，而LR基于概率理论，适用于大规模数据集。

摘要由CSDN通过智能技术生成

分类模型
本质上是线性回归模型
优化目标
$J(\theta) = \sum -y_ilog(h(\theta^Tx_i))-(1-y_i)log(1-h(\theta^Tx_i))$

最低0.47元/天解锁文章

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
LR模型(logistic regression)

分类模型本质上是线性回归模型优化目标J(θ)=∑−yilog(h(θTxi))−(1−yi)log(1−h(θTxi))J(\theta) = \sum -y_ilog(h(\theta^Tx_i))-(1-y_i)log(1-h(\theta^Tx_i))J(θ)=∑−yilog(h(θTxi))−(1−yi)log(1−h(θTxi)),最小化其中h(θTx)=11+e−θ...
复制链接

扫一扫

专栏目录

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。