首先假设得到正样本的概率为服从形如逻辑斯特分布函数,根据已知的训练结果及数据,构造联合概率密度函数,而根据极大似然估计,已经发生的事情为概率最大的事情,所以求对数似然函数的最大,即对数似然函数的负数最小,用梯度下降和拟牛顿法求解,从而得到概率函数的系数,规定概率大于0.5即为正样本,反之为负样本。
事件的几率为线性函数
1.为什么假设训练数据的概率为逻辑斯特回归函数?
2.训练数据样本是否均衡,样本权重都会对分类边界有影响
3.建模流程
4.正则化
5.和maxen模型的区别
6.工程上并行怎么做
7.开源的实现
8.发展史
9.梯度下降,随机梯度下降