概要
逻辑回归的基本原理
提示:这里可以添加技术概要
分类与回归的区别
阶跃函数
激活函数
实际上却是一种线性分类模型
把线性回归模型输出的连续值进行离散化,即将线性回归模型改造成相应的线性分类模型
提示:这里可以添加技术整体架构
提示:这里可以添加技术名词解释
回归问题:如果模型的预测值是连续的数值,就是回归问题
分类问题:相反地,模型的预测值是不连续的离散值,就是分类问题
**
原理分析
阶跃函数
**
设置若干阈值,将回归模型输出的连续值分割为不同的分区,每个区间表示一个类别
,从而实现连续值的离散化。
简而言之就是对线性回归模型的输出值进行函数映射
激活函数
由于阶跃函数呈现为不连续的函数,无法对其进行求导,在求线性回归参数的时候,经常需要通过
使用求导数的方法来求极小值。激活函数就是对连续值的离散化的一种函数。
小结
提示:这里可以添加总结
线性回归的直线是尽可能的你拟合自变量的分布,使得训练集中的所有样本点到直线的距离尽可能短
逻辑回归的直线是尽可能拟合决策边界,使得训练集样本中不同类的样本点尽可能分离