分类问题:是否垃圾邮件,肿瘤良性恶性......
线性回归的问题:不适用于分类问题。因为线性回归一般用最小二乘来得出最优的回归曲线,而一个极端值,就能让曲线的偏离很大。
逻辑回归就是在线性回归z=的基础上,再做了一步
结果再0,1之间。
决策边界g(z)=0.5,也就是z=0,当z>=0的时候,预测y值为1,否则为0.
改变z=为高阶多项式,就可以使决策边界由直线是变成曲线。
逻辑回归的代价函数
是一个凸函数,所以,运用梯度下降法,能保证算法收敛到全局最小值。
梯度下降:
分类问题:是否垃圾邮件,肿瘤良性恶性......
线性回归的问题:不适用于分类问题。因为线性回归一般用最小二乘来得出最优的回归曲线,而一个极端值,就能让曲线的偏离很大。
逻辑回归就是在线性回归z=的基础上,再做了一步
结果再0,1之间。
决策边界g(z)=0.5,也就是z=0,当z>=0的时候,预测y值为1,否则为0.
改变z=为高阶多项式,就可以使决策边界由直线是变成曲线。
逻辑回归的代价函数
是一个凸函数,所以,运用梯度下降法,能保证算法收敛到全局最小值。
梯度下降: