Logistic Regression
使用Logistic Regression来解决分类问题。我们希望分类的输出是0~1,而线性回归输出可能大于1或小于0,因此采用Logistic Regression使输出在0 ~ 1,关键在于Logistic函数(也就是激活函数)来进行转化,这样就能用于分类问题。
当然,Logistic Regression与线性回归不一样。线性回归在分类问题上并不能得到很好的效果,比如若样本很散乱,线性回归为了去拟合样本,会导致分类错误。
1、Logistic function(Sigmoid function)
对于实数z,函数为
g ( z ) = 1 1 + e − z , . g(z) =\frac {1}{1+e^{-z}},. g(z)=1+e−z1,.
图像为
而在logistic回归中,用向量参数 Θ