吴恩达机器学习课程05——Logistic回归

本文介绍了Logistic回归的分类原理,强调其不同于线性回归的性质。通过sigmoid函数解决输出范围问题,并探讨了代价函数的设计,以确保模型能够找到全局最优解。此外,还讨论了多分类问题的解决方案。最后总结了Logistic回归与线性回归的异同,以及在实际应用中的价值。
摘要由CSDN通过智能技术生成


分类

  • 需要注意的是,虽然它叫做Logistic回归,但是其实这是一个分类算法。我们首先以二分类来引入这个算法。下面是吴恩达老师在课程中提到的一个例子。
    在这里插入图片描述
  • 既然是分类,我们就要有分类标准。如上图所示,我们对训练数据使用我们学过的线性回归(用回归算法来做分类任务),那么就会得到上图的拟合直线,由直线可得,我们的标准就是0.5,y>=0.5就预测为1类,否则就预测为0类。从图中所给的数据来看,这么分是很合理的。这是否表示用回归算法做分类任务是合理的呢?别急,再看下面的例子:
    在这里插入图片描述
    我们增加了一个训练数据,导致拟合直线变成蓝色的那一条,直接导致如果再用0.5为标准的话,模型将变得十分糟糕。也就是说,我们将二分类分别用0和1来编
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

打赏作者

CtrlZ1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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