概率无向图模型
主要思想:根据现有的数据对分类边界线(decision boundary)建立回归公式,以此分类。
逻辑斯蒂回归模型
在线性回归模型的基础上,使用Sigmoid函数,将线性模型的结果压缩到[0,1]之间,使其拥有概率意义,它可以将任意输入映射到[0,1]区间,实现值到概率转换。
- 属于概率性判别式模型
- 线性分类算法
优点:
直接对分类的可能性建模,无需事先假设数据的分布,避免假设分布不准确带来的问题。由于它是针对分类的可能性进行建模,不仅能预测出类别,还可得到属于该类别的概率。
逻辑斯蒂函数
假设某事件发生的概率为p,那么此事件不发生的概率为(1-p),则称p/(1-p)为此事件发生的几率。取此事件发生几率的对数定义logit(p):
取logit函数的反函数,称为logistic函数,即Sigmoid函数:
![47913b67ff153e015000fb625bf859d0.png](https://img-blog.csdnimg.cn/img_convert/47913b67ff153e015000fb625bf859d0.png)
逻辑斯蒂回归模型
分类算法是求解