05_逻辑回归

本文详细介绍了逻辑回归算法,包括其分类思想、sigmoid函数、参数求解过程、最大似然估计、交叉熵损失函数、梯度下降法、权重更新以及在二分类问题中的应用。此外,还探讨了分类模型评估的混淆矩阵、准确率、精准率、召回率、F1值、ROC曲线和AUC,并展示了在鸢尾花数据集上的应用案例。
摘要由CSDN通过智能技术生成

算法描述

逻辑回归,我们不要被其名字所误导,实际上,逻辑回归是一个分类算法。其优点在于,逻辑回归不仅能够进行分类,而且还能够获取属于该类别的概率。这在现实中是非常实用的。例如,某人患病的概率,明天下雨的概率等。

算法的分类思想

逻辑回归实现分类的思想为:将每条样本进行“打分”,然后设置一个阈值,达到这个阈值的,分为一个类别,而没有达到这个阈值的,分为另外一个类别。对于阈值,比较随意,划分为哪个类别都可以,但是,要保证阈值划分的一致性。

算法模型

对于逻辑回归,模型的前面与线性回归类似:
z = w 1 x 1

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