一、Logistic回归:
1.1 特征:
Logistic回归主要是二分类预测 ,是对概率的估计的一种方法。概率的取值范围在(0,1)。当P>0.5时,预测为1;当P<0.5时,预测为0。(这也就和下文的Sigmoid 函数一样)。
1.2 分类:
Logistic回归属于广义线性模型,利用Logistic回归进行分类的主要思想是:根据现有的数据对分类便捷线建立回归。
1.3 方法:
Logistic回归最重要的是要找到最佳的拟合参数,而通常使用的方法是梯度上升法。
1.4 目的:
Logistic回归的目的是寻找一个非线性函数 Sigmoid的最佳拟合函数,从而来相对准确的预测分类结果。
二、S型函数——Sigmoid函数
2.1 定义域:R,值域:(0,1);
常有函数与向量两种表达形式,如下图: