Logistic回归
Logistic回归
该算法使用海维塞得阶跃函数进行二值分类,训练算法的过程就是在寻找回归系数。分类时用回归系数和输入向量的点乘计算阶跃函数的参数,寻找回归系数的过程可以使用梯度上升法,选择移动量最大的方向来迭代更新系数
优点
计算代价不高,易于理解和实现
缺点
容易欠拟合,分类精度可能不高
适用数据类型
数值型和标称型数据
一般过程
- 收集数据
- 准备数据:由于需要进行距离计算,因此要求数据类型为数值型。另外结构化数据格式则最佳
- 分析数据
- 训练算法:大部分时间将用于训练,训练的目的是为了找到最佳的分类回归系数
- 测试算法:一旦训练步骤完成,分类将会很快
- 使用算法:首先,我们需要输入一些数据,并将其转换成对应的结构化数值。接着,基于训练好的回归系数就可以对这些数值进行简单的回归计算,判断它们属于哪个类别。在这之后,我们就可以在输出的类别上做一些其它分析工作