本文详细介绍了逻辑回归（LR）的基础知识，包括Logistic函数的定义、LR模型的构建，以及如何通过最大似然估计求解最优参数θ。此外，还探讨了在多维函数中使用梯度上升法进行参数优化，并给出了迭代更新θ的公式。
一、基础介绍
1. 逻辑回归(Logistic Regression, LR)，是一种二分类算法。
2. Logisitic函数，定义域负无穷到正无穷，值域(0,1)
$$g\left ( z \right )=\frac{1}{1+e^{-z}}$$
3. 定义
输入
，利用Logisitic函数将自变量映射到（0，1）上，如下，
$$h_{\theta }\left ( x \right )=g\left ( \theta^{T}x \right )=\frac{1}{1+e^{-z}}$$
其中θ是权重，输出
最低0.47元/天 解锁文章
扫一扫
2855
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
