《统计学习方法》——逻辑斯蒂回归

最新推荐文章于 2023-06-30 11:14:43 发布

韩明宇

最新推荐文章于 2023-06-30 11:14:43 发布

阅读量780

点赞数 1

分类专栏： sklearn 机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_37098526/article/details/90299666

版权

逻辑斯蒂回归模型

定义6.1（逻辑斯蒂分布）：设X是连续随机变量，X服从逻辑斯蒂分布是指X具有下列分布函数和密度函数：

$F(x)=P(X\leqslant x)=\frac{1}{1+e^{-(x-\mu )/\gamma }}$

$f(x)={F}'(x)=\frac{e^{-(x-\mu )/\gamma }}{\gamma (1+e^{-(x-\mu )/\gamma })^{2}}$

式中， $\mu$ 为位置参数， $\gamma > 0$ 为形状参数。

二项逻辑斯蒂回归模型

定义6.2（逻辑斯蒂回归模型）：二项逻辑斯蒂回归模型是如下的条件概率分布：

$P(Y=1|x)=\frac{exp(w\cdot x+b)}{1+exp(w\cdot x+b)}$

$P(Y=0|x)=\frac{1}{1+exp(w\cdot x+b)}$

有时为了方便，将权值向量和输入向量加以扩充，仍记作w,x，即 $w=(w^{(1)},w{(2)},...,w{(n)},b)^{T}$ ， $x=(x^{(1)},x^{(2)},...,x^{(n)},1)^{T}$ 。这时，逻辑斯蒂回归模型如下：

$P(Y=1|x)=\frac{exp(w\cdot x)}{1+exp(w\cdot x)}$

$P(Y=0|x)=\frac{1}{1+exp(w\cdot x)}$

考察逻辑斯蒂回归模型的特点。一个事件的几率是指该事件发生的概率与该时间不发生的概率的比值。如果事件发生的概率是p，那么该事件发生的几率是 $\frac{p}{1-p}$ ，该事件的对数几率或logit函数是：

最低0.47元/天解锁文章

关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
《统计学习方法》——逻辑斯蒂回归

逻辑斯蒂回归模型定义6.1（逻辑斯蒂分布）：设X是连续随机变量，X服从逻辑斯蒂分布是指X具有下列分布函数和密度函数：式中，为位置参数，为形状参数。二项逻辑斯蒂回归模型定义6.2（逻辑斯蒂回归模型）：二项逻辑斯蒂回归模型是如下的条件概率分布：有时为了方便，将权值向量和输入向量加以扩充，仍记作w,x，即，。这时，逻辑斯蒂回归模型如下：考察逻辑...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。