机器学习:逻辑回归原理

逻辑回归模型是一种广泛应用于分类问题的统计方法。尽管名为“回归”,但它实际上是一种分类算法,主要用于预测观察对象属于某个类别的概率。逻辑回归模型特别适用于二分类问题,但也可以通过一些策略扩展到多分类问题。

逻辑回归的应用与优化
正则化: 为了防止过拟合,可以使用L1或L2正则化。
特征工程: 通过特征选择、特征转换或特征构建来改进模型性能。
模型评估: 使用准确率、召回率、F1分数、AUC-ROC曲线等指标来评估模型性能。
处理多分类问题: 可以使用“一对一”或“一对多”策略将逻辑回归扩展到多分类问题。

逻辑回归模型是一种强大且灵活的工具,用于解决二分类问题。通过结合线性回归和sigmoid函数,它能够将特征映射到概率空间,为预测提供了清晰的解释。同时,通过正则化和特征工程,可以进一步优化模型性能。在实际应用中,逻辑回归被广泛用于各种领域,如医疗、金融、市场营销等。
在这里插入图片描述

Logistic分布

在这里插入图片描述

二项逻辑回归模型函数映射

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

极大似然原理

在这里插入图片描述

Sigmoid/Logistic Function

在这里插入图片描述

逻辑回归的代价函数

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 10
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
评论 2
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

打赏作者

rubyw

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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