机器学习（九）——逻辑回归（LR）

笔者是一个痴迷于挖掘数据中的价值的学习人，希望在平日的工作学习中，挖掘数据的价值，找寻数据的秘密，笔者认为，数据的价值不仅仅只体现在企业中，个人也可以体会到数据的魅力，用技术力量探索行为密码，让大数据助跑每一个人，欢迎直筒们关注我的公众号，大家一起讨论数据中的那些有趣的事情。

我的公众号为：livandata

Ø  是一种用回归建模的方式建立的分类器，主要针对于二分法；

对样本进行线性建模后，形成线性模型：z=wx+b；

由于线性模型的预测值波动范围比较大，因此需要用逻辑函数来将线性模型进行归一化处理，以方便分类；

在逻辑回归函数调参时需要构建损失函数，一般损失函数使用各个样本的方差之和，而逻辑回归函数中，常用的损失函数为非凸函数，因此需要转换损失函数模型；

在逻辑回归中构建了对数损失函数；

调参时采用极大似然估计法，将每个样本的对数损失值相乘，构建极大似然损失函数；

Ø  然后用梯度递减的方式，计算递减的梯度w，迭代递减运算参数的值，最终形成一个稳定的参数向量；