![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
逻辑回归
不语菠萝
这个作者很懒,什么都没留下…
展开
-
机器学习算法-逻辑回归(三)、逻辑回归分类重要知识点总结
逻辑回归 原理简介: Logistic回归虽然名字里带“回归”,但是它实际上是一种分类方法,主要用于两分类问题(即输出只有两种,分别代表两个类别),所以利用了Logistic函数(或称为Sigmoid函数),函数形式为: 其对应的函数图像可以表示如下: import numpy as np import matplotlib.pyplot as plt x = np.arange(-5,5,0.01) y = 1/(1+np.exp(-x)) plt.plot(x,y) #该函数把点(x, y)用线连起原创 2020-12-23 21:47:28 · 362 阅读 · 0 评论 -
机器学习算法-逻辑回归(二)、基于鸢尾花(iris)数据集的逻辑回归分类实践(代码具有详细注释)
step 1:导入库函数 # 基础函数库 import numpy as np import pandas as pd #绘图函数库 import matplotlib.pyplot as plt import seaborn as sns 本次我们选择鸢花数据(iris)进行方法的尝试训练,该数据集一共包含5个变量,其中4个特征变量,1个目标分类变量。共有150个样本,目标变量为 花的类别 其都属于鸢尾属下的三个亚属,分别是山鸢尾 (Iris-setosa),变色鸢尾(Iris-versicolor)原创 2020-12-22 22:39:46 · 6675 阅读 · 0 评论 -
机器学习算法-逻辑回归(一):基于逻辑回归的分类预测(代码附详细注释)
1 逻辑回归的介绍和应用 1.1 逻辑回归的介绍 逻辑回归(Logistic regression,简称LR)虽然其中带有"回归"两个字,但逻辑回归其实是一个分类模型,并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热,但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。 而对于逻辑回归而且,最为突出的两点就是其模型简单和模型的可解释性强。 逻辑回归模型的优劣势: 优点:实现简单,易于理解和实现;计算代价不高,速度很快,存储资源低; 缺点:容易欠拟合,分类精度可能不高 1.2原创 2020-12-21 21:19:28 · 1354 阅读 · 0 评论