(二)逻辑回归

目录

1.线性回归

2.逻辑回归


1.线性回归

\theta^Tx=\theta_1x_1+\theta_2x_2+...+\theta_nx_n

如图所示,从而根据这些散点拟合出一条曲线。

 

2.逻辑回归

线性回归得到的是一个拟合的曲线,而逻辑回归的结果是得到一个[0,1]的分类问题,本质上是个分类问题,它可以看做是线性回归的拓展,

先进行一个线性回归,再在外面加一个激活函数函数\delta

 下图激活函数为sigmoid函数,则逻辑回归函数为:P(y|x;\theta)=\frac{1}{1+e^{-\theta^Tx}}

下面看一个例子:

例1:

补充:

判别模型:输入x,估计条件概率分布

生成模型:估计P(x,y)的联合概率分布

例2: 

其中,\pi(x)=\frac{e^{wx}}{1+e^{wx}},1-\pi(x)=\frac{1}{1+e^{wx}}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
逻辑回归是一种用于二分类问题的机器学习算法。在Matlab中,可以使用逻辑函数和代价函数来实现逻辑回归。 逻辑函数(引用)是一个将输入变量和参数作为输入,并返回一个介于0和1之间的输出的函数。在这个函数中,使用了指数函数和除法运算来计算输出值。 代价函数(引用)用于计算逻辑回归模型的代价,它包括了两项,分别是真实值和预测值的对数的乘积之和以及正则化项。通过最小化代价函数,可以得到最佳的逻辑回归模型参数。 主函数(引用)是逻辑回归算法的主要实现部分。它包括了数据的预处理、参数初始化、迭代更新参数、计算代价和错误率等步骤。在迭代过程中,通过调整学习率和正则化参数来优化模型的性能。最后,使用预测值和真实值进行分类,并计算错误率和相关系数。 综上所述,逻辑回归在Matlab中可以通过逻辑函数、代价函数和主函数来实现二分类任务。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [逻辑回归实现二分类(matlab代码)](https://blog.csdn.net/m0_63851155/article/details/123943731)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Billie使劲学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值