逻辑回归（Logistic Regression）

最新推荐文章于 2024-05-31 09:00:00 发布

鞋带散了的木木

最新推荐文章于 2024-05-31 09:00:00 发布

阅读量4.1k

点赞数 2

分类专栏： scikit-learn使用手册大数据哈哈入门文章标签：逻辑回归机器学习 sklearn Logistic-R

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u012922838/article/details/51234307

版权

本文介绍了逻辑回归的基本概念，作为机器学习的一种算法，它包含模型、参数和目标函数三个要素。文章详细阐述了如何在sklearn库中使用LogisticRegression，并重点讨论了参数设置，特别是惩罚项penalty（L1和L2的区别）和C值的影响。同时提到了不同的优化方法对参数的限制。最后，列出了相关参考文献以供深入研究。

摘要由CSDN通过智能技术生成

一、什么是逻辑回归

　　机器学习算法三要素：模型、参数、目标函数。
　　
　　1.模型
　　设 $X$ 是连续随机变量， $\mathbf x$ 服从logistic分布是指其具有下列分布函数和密度函数：

F (x) = P (x \leq x) = 1 1 + e - ( x - u

最低0.47元/天解锁文章

鞋带散了的木木

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
逻辑回归（Logistic Regression）

一、什么是逻辑回归　　机器学习算法三要素：模型、参数、目标函数。　　　　1.模型　　设XX是连续随机变量，x\mathbf x服从logistic分布是指其具有下列分布函数和密度函数：F(x)=P(x≤x)=11+e−(x−u)/γF(x) = P(\mathbf x\le x) = \frac{1}{1+e^{-(x-u)/\gamma}}f(x)=F′(x)=e−(x−u)/γγ(1
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。