Logistic Regression(逻辑回归)

  • 逻辑回归是一种用于二元分类问题的监督学习算法,二元分类算法例子:分辨是不是诈骗电话,他是不是一个好人等等
  • 逻辑回归试图找到一个预测模型,根据给定的一组特征来预测结果标签的概率
  • 逻辑回归使用的Sigmoid函数将线性函数的输出映射到0到1这个区间

 Sigmoid函数定义:P(Y=1)=\frac{1}{1+e^{-(\beta_0+\beta_1x_1+\beta_2x_2+...+\beta_nx_n)}}

其中P(Y=1)代表Y=1的概率,x_i为输入特征,\beta_i为模型参数

P(Y=1)大于或等于0.5是,我们可以将样本分类为1;反之,当P(Y=1)小于0.5时,我们将样本分类为0

逻辑回归模型的训练实际上是一个优化问题:找到一组参数 β,使得我们预测的概率尽可能地接近实际标签。这通常通过最大化“对数似然函数”来实现。

对数似然函数:L(\beta)=\sum_{i=1}^{n}[y_iln(p_i) + (1 - y_i) ln(1 - p_i)]

其中n为样本数量,y_i为第i个样本的实际标签(0或1),p_i 为第i个样本被预测为1的概率,既P(Y=1)\beta为模型参数

评论 1
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
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