分类器

分类问题与回归问题区别在于y的范围,回归问题对y的精度来得高,所以对模型敏感,对数据要求多。回归问题可以通过对y按照范围进行分类,实现回归问题到分类问题的转化。这样可以在要求不高的情况下增大准确度。

logistic regression

最基本的线性分类器,是digression classifier的一种,目的在于找到一个将定义域一分为二的平面/直线以期对数据进行分类。那么对于找到的分界线/面如何进行评判呢?这个算法假设h = g(theta * x) 其中g是sigmoid函数,而h就是对应于该点处y = 1的概率或者自信率。这样寻找分界面的工作就变成了寻找使所有样本点在该分界面条件下概率最大的问题,可以利用最大似然法求解。(对于多样本,总体的概率本质上是个贝努里分布)

关于g的选择,其本身是有概率论的理论基础的,后面会讲到,但是也只是对大多数情况而已。不过因为很多情况即模型下,h根据g的定义最后都会得到一个这个概率论的解释,所以logistic regression的鲁棒性很强,同样的因为缺少了很多的信息,所以对于具体的模型,尤其是小数据的情况下,准确率会有所降低。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看REAdMe.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看REAdMe.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看READme.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
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
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