目录
Logistic回归
Logistic回归(LR):是一种常用的处理二分类问题的模型。
二分类问题中,把结果y分成两个类,正类和负类。因变量y∈{0, 1},0是负类,1是正类。线性回归的输出值在负无穷到正无穷的范围上,并不好区分是正类还是负类。因此引入非线性变换,把线性回归的输出值压缩到(0, 1)之间,那就成了Logistic回归
,使得
≥0.5时,预测y=1,而当
<0.5时,预测y=0。
逻辑回归的定义式:
,x代表样本的特征向量。
其中,
为sigmoid函数,
可以理解为预测为正类的概率,即后验概率
,
的取值范围是(0, 1)。。
所以Logistic回归模型就是:
判断类别:
对loss函数求导得到:
当类别y=1时,损失随着的减小而增大,
为1时,损失为0;
当类别y=0时,损失随着的增大而增大,为0时,损失为0。
损失函数
这个损失函数叫做对数似然损失函数