逻辑回归其实是只有一个神经元的神经网络,是一个天然的二分类算法,如下图所示(图为网图):
前面这部分是一个线性的模型,如果你熟悉线性回归的话应该不陌生。
写出来应该是这样:
和多元线性回归的式子是一模一样的。
中间这部分是激活函数,一般是S型函数sigmoid,其中
import numpy as np
def sigmoid(z):
return 1. / (1. + np.exp(-z))
#画出sigmoid函数图像
import matplotlib.pyplot as plt
x = np.linspace(-10,10,100)
y = sigmoid(x)
plt.plot(x,y)
plt.title("sigmoid(z)")
plt.show()
你可以看出来sigmoid函数的值域是(0,1)之间,如果函数的输出值大于0.5,就认为它属于1这类,小于0.5就属于0类。
以上就是逻辑回归的执行流程。
有关线性回归的部分我就不解释了