LR是一种机器学习中的一种分类模型,算法简单高效,在实际中应用非常广泛,本文会从以下几个方面进行介绍
- LR算法的数学模型
- 参数求解方法
- tensorflow实现
- 逻辑回归与贝叶斯分类的关系
逻辑回归
分类问题:
实际工作中,经常会遇到一些问题,如某句话是正面情绪还是负面情绪,一个邮件是垃圾邮件还是非垃圾游戏,一个用户是男是女等,这些问题都可以看作是分类问题,更准确的说是而分类问题。要解决这些问题,通常会用到一些分类算法,如SVM、LR等,他们都属于有监督学习(在进行训练前必须收集一批标注好的数据),数据可以转换为一组数值表示,我们称为该数据的特征。特征集x和lable集y构成训练数据
其中是x(i) 一个m维向量
y 二分类时取值为{0 , 1}
分类问题可以简化为,如何找到一个函数 y *= f(x) ,使它能最好的拟合当前的训练集