文章目录
模型的保存与加载
模型训练好后之后再用时肯定不用再重新训练了。
可以用sklearn将我们的模型给保存下来。
加载相当于读取序列化后的文件。pkl是sklearn固定的保存文件的格式,是一个二进制文件,保存后返回就是保存的模型。
已线性回归为例
读取数据文件
此时不用再去训练模型了,即根据读取的模型参数直接去预测。
分类算法—逻辑回归定义,损失函数,优化与线性回归比较
应用
这些特点就是二分类场景。
广告点击率:当用户去某个网站点击的广告,你这个广告要给某些网站公司付一些钱。就是二分类问题,你这个点击还是没有点击。
可以用逻辑回归求出广告点击概率与不点击概率,则之后再去做广告或投放广告时,我先预测下这个广告可以带来的收入是多少,能否被用户点击。
因为线性回归作为逻辑回归的输入,所以逻辑回归也有过拟合问题。
从线性回归到分类问题,可以用sigmoid函数实现。
因为sigmoid函数将输入映射到0-1区间了,而这个区间又是概率的区间。所以sgmoid将输入转化为概率值了。
则小于0.5概率可以归为0,大于0.5概率可以归为1。
损失函数