其他相关文章
DS&ML_关联分析笔记
DS&ML_分类算法笔记之支持自动机SVM模型
DS&ML_分类算法笔记之随机森林、梯度提升树、XGBoost模型
DS&ML_分类算法笔记之k-近邻、KD-Tree模型
DS&ML_降维算法笔记之主成分分析PCA模型
DS&ML_分类算法笔记之朴素贝叶斯模型
DS&ML_聚类算法笔记之k-means模型
DS&ML_分类算法笔记之决策树模型
对于逻辑回归模型的相关知识点的总结与整理
简单描述一下逻辑回归的思想,逻辑回归是什么?
逻辑回归虽然叫回归,但是其实是一种分类机器学习算法,原理是将数据拟合到一个预测logistic函数中,预测logistic函数的值表示取1的概率,而取0的概率就是(1-预测函数值),这样就完成对某些事件发生的概率的预测。简单地说,逻辑回归就是一个梯度下降。(Copyright © http://blog.csdn.net/s_gy_zetrov. All Rights Reserved)
具体算法
对于二分类问题,由于线性回归模型的输出值不能很好的介于01之间,所以引入一个函数g,将逻辑回归表示为hθ(x)=g((θ^T)*x),其中(θ^T)*x就是线性回归的表达式,θ是参数。
而这个函数g,就是十分著名的sigmoid函数,神经网络中也有用到它。
g(z)=1/(1+e^(−z))
综合上述两式,我们得到逻辑回归模型的数学表达式:
hθ(x)=1/(1+e^((−θ^T)*x)),其中θ是参数。