2021李宏毅机器学习笔记--6 logistic regression逻辑回归(一种分类方法)
摘要
logistic regression 逻辑回归虽然他的名字中带有“回归”,但是实际上它是一种分类方法,与之前学习的线性回归是不同的。
步骤
step1 Function Set
求和所有的参数w和x的乘积,加上b就是z的值,然后sigmoid z,就得到了概率值。
step2 Goodness of a Function
怎么判断一个函式的好坏?假设训练集是第一步得出的函式模型产生的数据,那么怎么看一个函式有多好呢?有这样一个公式,把所有的概率值乘起来看数值大小。这样可以找到一组最好的w和b。
我们为了以后方便计算与以后的知识相联系,将此处的计算式换一种方法表达。
step3 Find the best function
根据上述函式选择出最好的函式。计算的时候用偏微分计算。
小结及展望
本节介绍的是logistic regression逻辑回归。但是他与之前学习的线性回归不同,虽然也带有回归二字,但是它是一种分类方法。与线性回归不同的是,在建立函式时逻辑回归的输出是0–1之间的数,但是线性回归可能输出任何值,而且逻辑回归的预测值只有0和1,但是线性回归可以是任意值。逻辑回归是机器学习最常用的方法之一,在日后的学习中我们将继续学习。