1. 逻辑回归
要点：逻辑回归是分类模型还是回归模型，逻辑回归的概率分布如何表示，逻辑回归的模型是什么样的，逻辑回归如何进行参数估计，与线性回归的区别。
1.1 逻辑回归模型
逻辑回归模型是一类分类模型，由概率分布 P ( Y ∣ X ) P(Y|X) P(Y∣X)表示。该情况下 Y Y Y取值为1或者0。二项逻辑回归模型是如下的条件分布概率：
P ( Y = 1 ∣ x ) = exp ( ω ⋅ x + b ) 1 + exp ( ω ⋅ x + b ) P ( Y = 0 ∣ x ) = 1 1 + exp ( ω ⋅ x + b ) P(Y=1|x) = \frac{\exp(\omega \cdot x + b)}{1 + \exp(\omega \cdot x + b)} \\ P(Y=0|x) = \frac{1}{1 + \exp(\omega \cdot x + b)} P(Y=1∣x)=1+exp(ω⋅x+b)exp(ω⋅x+b)P(Y=0∣x)=1+exp(ω⋅x+b)1
逻辑回归模型提到，其输出 Y Y Y的对数几率是由输入 x x x的线性函数表示的模型。由几率的定义： l o g i t ( p ) = p
最低0.47元/天 解锁文章
1419
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
