机器学习逻辑回归模型（logistic regression）

最新推荐文章于 2024-07-27 10:38:25 发布

踏雪无痕js

最新推荐文章于 2024-07-27 10:38:25 发布

阅读量961

点赞数

分类专栏：学习记录文章标签：机器学习逻辑回归

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/u013708703/article/details/81082037

版权

本文介绍了逻辑回归的基本原理，包括模型形式和模型求解。模型主要用于二分类问题，通过极大似然定理建立似然函数，并采用梯度下降进行系数更新。此外，文章还展示了代码实现和使用sklearn库调用逻辑回归的方法。

摘要由CSDN通过智能技术生成

一、基本原理

1. 模型形式

假设数据集 $D=\left \{(x_1,y_1),(x_2,y_2),...,(x_m,y_m) \right \}$ ，其中 x_i 有d个属性，则模型如下所示：

$Y=\frac{1}{1+e^{-w^{T}X}}$

其中 $Y=\left \{ y_1,y_2,...,y_m \right \}$ ， $X=\begin{bmatrix} x_{11} &x_{21} &... &x_{m1} \\ x_{12} &x_{22} &... &x_{m2} \\ ... &... &... &... \\ x_{1d} &x_{2d} &... &x_{md} \\ 1 &1 &... &1 \end{bmatrix}$ ， $w=\begin{bmatrix} w_1\\ w_2\\ ...\\ w_d \\ w_{d+1} \end{bmatrix}$

该模型主要用于二分类问题，所以 y_i 的取值通常为0或1。

2. 模型求解

最低0.47元/天解锁文章

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论 1

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。