统计学习-逻辑回归(LR)和最大熵模型

本文介绍了统计学习中的逻辑回归(LR)和最大熵模型(MEM)。逻辑回归是一种二项逻辑斯蒂回归模型,通过条件概率分布P(Y|X)进行分类。最大熵模型遵循概率模型学习的最大熵原则,选取熵最大的模型。模型参数通过极大似然估计法进行估计。
摘要由CSDN通过智能技术生成

逻辑回归(logistic regression)

是统计学习中的经典分类方法。最大熵是概率模型学习中的一个准则,将其推广到分类问题得到的最大熵模型(maximum entropy model)。LR和MEM都属于对数线性模型。

二项逻辑斯蒂回归模型

二项逻辑斯蒂回归模型是一种分类模型,由条件概率分布 P(Y|X) ,形式为参数化的逻辑斯蒂分布。这里 X 随机变量为实数, Y 随机变量为1或者0:
P(Y=1|X)=exp(wx+b)1+exp(wx+b)
P(Y=0|X)=11+exp(wx+

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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