分布函数:
F(X)= p( X <= x ) = 1 / (1 + exp(-(x-u)/γ))
密度函数:
f(x)= F`(x) = exp(-(x-u)/γ) / γ(1 + exp(-(x-u)/γ))2
式中:u为位置参数,γ >0为形状参数(γ越小,曲线在中心增长越快)
二项逻辑斯蒂回归模型
P(Y=1 l x)=exp(w*x+b) / [1+exp(w*x+b)]
P(Y=0 l x)= 1 / [1+exp(w*x+b)]
有时为了方便,将b并入w向量中
最后写成:
P(Y=1 l x)=exp(w.*x) / [1+exp(w*x)]
P(Y=0 l x)= 1 / [1+exp(w.*x)]
给定实例,可以分别求得P(Y=1)和P(Y=0)的值,将实例分配到概率较大的一方
事件发生几率(odds)
如果事件发生概率为p,那么该事件的几率是 p / (1-p)
对数几率或logit函数:
logit(p)=log [p /(1-p) ]
对于逻辑斯蒂回归而言
log [ P(Y-1) / [1-P(y=1)] ]=w.*x
模型参数估计