1.简介
逻辑回归是面试当中非常喜欢问到的一个机器学习算法,因为表面上看逻辑回归形式上很简单,很好掌握,但是一问起来就容易懵逼。所以在面试的时候给大家的第一个建议不要说自己精通逻辑回归,非常容易被问倒,从而减分。下面总结了一些平常我在作为面试官面试别人和被别人面试的时候,经常遇到的一些问题。
2.正式介绍
如何凸显你是一个对逻辑回归已经非常了解的人呢。那就是用一句话概括它!**逻辑回归假设数据服从伯努利分布,通过极大化似然函数的方法,运用梯度下降来求解参数,来达到将数据二分类的目的。**
这里面其实包含了5个点
1:逻辑回归的假设,2:逻辑回归的损失函数,3:逻辑回归的求解方法,4:逻辑回归的目的,5:逻辑回归如何分类。
逻辑回归的基本假设
任何的模型都是有自己的假设,在这个假设下模型才是适用的。逻辑回归的第一个基本假设是假设数据服从伯努利分布。伯努利分布有一个简单的例子是抛硬币,抛中为正面的概率是 p p ,抛中为负面的概率是
.在逻辑回归这个模型里面是假设 hθ(x) h θ ( x ) 为样本为正的概率, 1−hθ(x) 1 − h θ ( x ) 为样本为负的概率。那么整个模型可以描述为
hθ