1. 简述 Logistic Regression
Logistic regression 用来解决二分类问题，
它假设数据服从伯努利分布，即输出为 正 负 两种情况，概率分别为 p 和 1-p，
目标函数 hθ(x;θ) 是对 p 的模拟，p 是个概率，这里用了 p＝sigmoid 函数，
所以 目标函数 为：
为什么用 sigmoid 函数？请看：Logistic regression 为什么用 sigmoid ？
损失函数是由极大似然得到，
记：
则可统一写成：
本文详细介绍了Logistic Regression的背景及其为何使用极大似然函数作为损失函数。Logistic Regression用于二分类问题，采用sigmoid函数模拟概率。极大似然函数在寻找使样本预测概率最大化的参数时具有优势，对数似然函数在优化过程中更稳定且速度快。平方损失函数因其非凸性和训练速度问题不适用于Logistic Regression。
最低0.47元/天 解锁文章
2149
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
