6.1 分类问题
逻辑回归算法,目前最流行使用最广泛的一种学习算法
分类:邮件是否垃圾,金融交易是否敲诈,肿瘤分类
二元分类:因变量(dependent variable),负向类(negative class)和正向类(positive class),用0 表示负向类,1 表示正向类
如果用线性回归算法:函数的输出值可能远大于 1,或者远小于0,会感觉很奇怪。
逻辑回归算法,这个算法的性质是:它的输出值永远在0到 1 之间
逻辑回归算法是分类算法,适用于标签值离散得场景
6.2 假说表示
逻辑函数可以使用s型函数(Sigmoid function),逻辑函数计算的结果为正向类的概率,比如正向概率为0.7,则负向概率为0.3.
个人理解1:在处理分类问题时,逻辑回归为了避免预测结果与(0,1)差距过大,使用1个值域为(0,1)的逻辑函数对(线性回归或者非线性回归函数)进行处理
对于给定的输入变量,根据选择的参数计算输出变量=1的可能性&#