Logistics回归的总结

事件的几率:该事件发生的概率与不发生的概率的比值。

线性函数的值越接近于正无穷,概率值就越接近于1,越接近于负无穷,概率值越接近于0的模型就是Logistics回归模型。

Logistics回归是根据现有的数据对分类边界线建立回归公式。

Logistics回归的一般过程:

收集数据,准备数据,分析数据,训练算法,测试算法,使用算法

它主要是利用S形函数阈值在[0,1]的特性,根据现有数据对分类边界线建立回归公式来进行分类。

实现:在每个特征上都乘以一个回归系数,再将结果累加,将总和带入Sigmoid函数中,得到一个范围在0〜1之间的数值,大于0.5被归为1类,其余为0类数学表达如下:

                                                                      Z=w_{0}x_{0}+w_{1}x_{1}+w_{2}x_{2}+......+w_{n}x_{n}

现在的目标就是找到最佳的参数。

总的来说,Logistics回归的目的就是寻找一个非线性函数Sigmoid的最佳拟合参数,求解过程可以由最优化算法完成。

Logistics的目的是寻找一个非线性参数的最佳拟合参数,求解过程可由最佳算法来完成。在最优算法中,最常用的就是梯度上升算法,而梯度上升算法又简化为随机梯度上升算法。

随机梯度上升算法与梯度上升算法效果相当,但占用更少的计算资源。此外,随机梯度上升是一个在线算法,它可以在新数据到来时就完成参数更新,而不需要重新读取整个数据集来进行批处理运算。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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