版权声明:如果对大家有帮助,大家可以自行转载的。原文链接:
二分类
将一类数据定义为类别1,其余数据为类型2,只需要分类一次。
多分类
先定义其中一类为类型1(正类),其余数据为负类(rest);接下来去掉类型1数据,剩余部分再次进行二分类,分成类型2和负类;如果有n类,那就需要分类n-1次。
Sigmod激活函数
g ( z ) g(z) g(z) 代表一个常用的逻辑函数(logistic function)为 S S S形函数(Sigmoid function),公式为:
合起来,我们得到逻辑回归模型的假设函数:
Sigmod图像
当 g ( z ) g(z) g(z)大于等于0.5时,预测y=1;
当 g ( z ) g(z) g(z)小于0.5时,预测y=0。
线性回归的函数 h ( x ) = z = w T x , h(x)=z=w^Tx, h(x)=z=wTx,范围是实数集。
而分类预测结果需要得到[0,1]的概率值;
在二分类模型中,时间的几率odds:事件发生与事件不发生的概率之比为 p / 1 − p p/1-p p/1−p,称为事件的发生比;
取对数得到: l o g ( p / 1 − p ) log(p/1-p) log(p/1−p),而 l o g ( p / 1 − p ) = w T x = z log(p/1-p)=w^Tx=z log(p/1−p)=wTx=z
求解得到: p = 1 / ( 1 + e − w T x ) = 1 / ( q + e ( − z ) ) p=1/(1+e^-w^Tx)=1/(q+e^(-z)) p=1/(1+e−wTx