逻辑回归(Logistic Regression)

逻辑回归是一种二分类算法,其输出通过sigmoid函数转化为0或1。模型包含一个广义线性模型,当概率大于0.5时预测为1,反之预测为0。在Python中,可以使用Scikit-Learn的LogisticRegression进行模型训练和预测。正则化参数penalty可选L1或L2,解决过拟合问题;solver用于选择优化算法,如L2正则化时可选'newton-cg', 'lbfgs', 'liblinear', 'sag'等。" 124470098,11181539,嵌入式开发:如何创建堆栈监视器,"['嵌入式', '嵌入式开发', '堆栈管理']
摘要由CSDN通过智能技术生成

首先,逻辑回归的输出值只有两个,通常记为0和1 ,因而逻辑回归又是一种分类算法。
其次,逻辑回归有一个广义的线性模型。线性模型通常记为
在这里插入图片描述逻辑回归的模型为 :
logistic Regression
这里的g通常取如下形式:g(x) = 1/(1+exp(-x)) 。当x–>正无穷时,g(x)–>1, 当x–>负无穷时,g(x)–>0 。
于是逻辑回归的模型函数为:
在这里插入图片描述
在这里插入图片描述 是输入的特征值向量,
在这里插入图片描述 是模型参数向量。当
>0.5时,模型输出值为1 ,当

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值