【资源分享】今日学习打卡--逻辑斯谛回归 (Logistic Regression)

今日学习打卡，logistic regression

这个概念来自于统计学，也可用于机器学习，可用于2项分类（0，1），也可以多项分类（0，1，2，...）。

线性回归，一般用R2来作为检测模型好坏的指标。

logistic regression则是用likelihood，计算每个值的likelihood，然后获得曲线的likelihood，这个就需要似然估计法了。

这时，学习的策略就是获得极大释然估计值。

由于，空间中的曲线可以是很多很多条，计算每一条曲线，然后获得likelihood最大的那一条，是一个非常大的运算量。

这时，可以运用的算法，一般的有改进的迭代尺度法，梯度下降法，牛顿法或拟牛顿法。其中，以牛顿法或拟牛顿法收敛速度最快。

 

因为，这一章节涉及到的统计知识还是比较多的。有空的同学可以回顾一下本科学过的内容，拿出草稿纸，自己推导一下。时间有限的同学，也可只看看分享的资料，大致了解就行了。

 

链接：

https://pan.baidu.com/s/1kkIOOyV7dV8NWCQfx4y94w

 

 

转载于:https://www.cnblogs.com/zhoujianjie1988/p/11263473.html