1.基础概念介绍
逻辑回归(Logistic Regression, LR)模型,回归是一种极易理解的模型,就相当于y=f(x),表明自变量x与因变量y的关系。最常见问题有如:通过用户的一些特征,性别,职业,近期购买记录等特征预测用户是否会购买某个商品,其中的用户特征就是自变量x,即特征数据,判断是否购买就相当于获取因变量y,即预测分类。(0不买,1购买)
使用场景:当你的目标变量是分类变量时,才会考虑逻辑回归,并且主要用于两分类问题
2. LR与神经网络的关系
- Neural Networks:神经网络,由多个神经元构造,可以有多个输入、多个输出
- Logistic Regression可以看做是仅含有一个神经元的单层的神经网络
3. 训练过程
逻辑回归中,预测值 表示为1的概率,取值范围在[0,1]之间。这是其与二分类模型不同的地方。使用线性模型,引入参数w和b。权重w的维度是( ,1),b是一个常数项。这样,逻辑回归的线性预测输出可以写成: