这周讲数据分析,我主要讲svm,但是听别人讲Logit回归模型和决策数时,我发现自己有些不清楚的地方,看来接触一个东西就需要学透彻一点,所以,我想好好看看Logistic模型、决策树和SVM,然后总结一下。
1. Logistic回归和Logit回归区别
Logit回归模型等式的左边可以理解为log-it,it指odds,也就是胜率,即 p 1 − p \frac{p}{1-p} 1−pp,等式右边是自变量的线性组合。而Logistic回归模型,也就是Logistic函数,等式左边是概率p,等式右边是一个分式。Logistic函数就是机器学习中sigmoid函数。
参考资料:Logit模型和Logistic模型有什么区别?
2. Logistic回归在机器学习、计量经济中的应用
在我之前的认识里,我们一般使用Logistic回归做二分类,如果计算出来概率大于0.5,那么就是Y=1,如果概率小于0.5,那么就是Y=0。在机器学习中,直接将数据喂入模型,然后优化损失函数,通过梯度下降找到最优的参数β,但是今天听师妹讲L