logistic回归 ROC AUC L1正则化

本文介绍了逻辑回归在分类任务中的应用,探讨了准确率在类别不平衡问题上的不足,并详细阐述了ROC曲线和AUC的概念。AUC作为衡量分类器性能的指标,其物理意义是任取一对样本,正样本得分大于负样本得分的概率。此外,文章还讨论了L1正则化在减少特征权重和模型简化方面的作用。
摘要由CSDN通过智能技术生成

逻辑回归 logistic

1.logistic回归是一种极其高效的概率计算机制
2.logistic返回的是概率,可以”原样”使用返回的概率来代表某件事情发生的可能性,也可以将返回的概率转换成二元值(0和1)
3.logistic回归模型用于分类
设置阈值
评估的话用 准确率

常见的S型曲线

y=11+ez y ′ = 1 1 + e − z

z=wTx+b z = w T ∗ x + b

logistic曲线
得到的结果位于 (0,1)
其中, z为线性层的输出,z也被称为 对数几率,由S函数的反函数证明,z可定义为标签1的概率除以标签0的概率得出的值的对数,既 z=log(y1y) z = l o g ( y 1 − y )

损失函数

loss(m
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