广义线性回归之逻辑斯谛回归( Logistic Regression)

广义线性模型

逻辑斯谛回归概念可以认为是属于广义线性回归的范畴,但它是用来进行分类的。
线性模型的表达式为: f ( x ) = w 0 + w 1 x 1 + w 2 x 2 + . . . + w n x n f(x)=w_0+w_1x_1+w_2x_2+...+w_nx_n f(x)=w0+w1x1+w2x2+...+wnxn——(1)
其中,
x 1   x n x_1~x_n x1 xn就是n个特征,作为模型的输入
w 0   w n w_0~w_n w0 wn就是线性模型的n+1个参数
线性模型虽然简单,却拥有丰富的变化。当我们希望线性模型(1)的预测值逼近真实标记 y y y时,就得到了线性回归模型,把线性回归模型简写为
y = w 0 + w 1 x 1 + w 2 x 2 + . . . + w n x n = w T x + b y=w_0+w_1x_1+w_2x_2+...+w_nx_n=w^Tx+b y=w0+w1x1+w2x2+...+wnxn=wTx+b

那么可否将模型的预测值逼近 y y y的衍生物呢?

假设我们认为实例所对应的输出标记是在指数尺度上变化,那么就将输出标记的对数作为线性模型逼近的目标,

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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