目录
一、逻辑回归应用场景
广告点击率(是否会被点击)
是否为垃圾邮件
是否患病
金融诈骗
虚假账号
二、逻辑回归原理
输入:
(逻辑回归的输入就是线性回归的输出)
输出:
回归的结果输入到sigmoid函数中。
输出结果:[0,1]区间中的一个概率值,默认为0.5。
函数计算出的结果如果大于阈值(0.5),即y轴右边:属于该类别。
函数计算出的结果如果小于阈值(0.5),即y轴左边:不属于该类别。
(阈值可以自己设定)
总的模型:
三、损失
逻辑回归的损失:对数似然损失。
公式:
四、类别划分
1、真实值属于该类别(y=1)
(输入越接近1,则越损失越小,结果越准确)
2、真实值不属于该类别(y=0)
3、完整损失函数
4、逻辑回归计算过程(重要)
1、先线性回归,得到结果
2、逻辑回归映射
(阈值可以自己确定,默认0.5)
3、带入计算
h(x):线性回归的计算结果
y:真实结果
最终的值越小越好,分类更可靠。
API
sklearn.linear_model.LogisticRegression