逻辑回归、无监督学习K-Means

本文介绍了逻辑回归作为一种二分类算法,常用于广告点击率、垃圾邮件识别等场景。逻辑回归通过sigmoid激活函数将线性回归转换为分类任务,并使用对数似然函数作为损失函数进行梯度下降优化。此外,文章讨论了在样本不均衡情况下的评估指标如ROC和AUC。接着,讲解了无监督学习中的K-Means聚类算法,包括其步骤和性能评估指标轮廓系数,强调高内聚、低耦合的目标。
摘要由CSDN通过智能技术生成

1、逻辑回归是一种分类算法,虽然名字中带有回归,但是它与回归之间有一定的联系。
2、应用场景:
广告点击率、是否为垃圾邮件、是否患病、金融诈骗、虚假账号
这些例子符合以下特点,即属于两个类别的判断。要么属于,要么不属于。
逻辑回归就是解决二分类问题的利器。
3、原理
输入:
在这里插入图片描述
逻辑回归的输入就是线性回归的输出
激活函数:
sigmoid函数:
在这里插入图片描述
函数的输出:在[0,1]之间,默认0.5为阈值
在这里插入图片描述
将[0,1]之间看成是概率值
将输入带入到该函数,若大于0.5属于这个类别。将回归转换成分类
损失函数:
对数似然函数
在这里插入图片描述
优化损失:梯度下降
4、预测癌症,很多场景中不一定只关注准确率,比如

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
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