这次由于在听李宏毅老师的课程中对于 logistics regression,和一般的regression 区分出现了混乱,所以去听了一段时间吴恩达老师的课程。相比于李宏毅老师,吴恩达老师的课程可以说是面向0基础,甚至很多高数线代基本知识都是现场讲解。
此外,关于 logistics regression 的内容,在csdn上看到了一位大佬的讲解,阅读过后感触良多,此处附上链接 逻辑回归
相关定义
首先要把logistics regression 和一般的 regression 作一下区分,虽然他们都叫 regression,但是logistics regression实际上是分类问题,而不是回归问题。一般的 regression的输出结果是连续的常量,而logistics regression最后输出的一般是个二元分类,所以它实际上还是属于 classification 问题的。
那么为什么会将这样的分类问题称作regression 呢,实际上是因为logistics regression是使用了类似于regression的方法,它的输出首先是个连续值,然后通过sigmoid函数,将其变成一个0-1之间的数值,再根据这个数值的大小进行分类。所以这是个过程是回归,但是结果是分类的问题。
第一步
要深入理解logistics regression 问题,首先还是根据机器学习的三步来,看一看它的function set 是怎么样的。
根据上一章ppt的结论,根据某一样本x的值得到他从C1中取出的概率是σ(z),z又可由