机器学习算法常用模型—逻辑回归
(附上
R
和
python
程序)
这个介绍主要是方便刚入行的数据科学家。通过这个指
导,使你直接解决机器学习的问题以及从中获得经验。而且
我会尽量用简单易懂的方式来介绍每一个算法,不会涉及很
多数学,而是帮助你从原理上理解每个算法,每一个算法都
附上
R
和
Python
的程序来帮助你直接去应用程序解决问题。
一般经常使用的机器学习算法有以下
11
种
1.
线性回归
Linear Regression
(已完成)
2.
逻辑回归
Logistic Regression
(已完成)
3.
决策树
Decision Tree4.
随机森林
Random
Forest5.
支持向量机
SVM6.
朴素贝叶斯
Naive Bayes7.
最近
邻居法
KNN8.K
平均算法
K-Means9.
神经网络
Neural
Networks10.
降维算法
Dimensionality Reduction
Algorithms11.
梯度提升
Gradient Boost & Adaboost
第
二期我们介绍逻辑回归(
2
)
。逻辑回归和线性回归其实都属
于广义线性模型的一种,而在决策制定等领域,逻辑回归的
应用更加广泛。所以在第一期学习了线性回归之后很自然的
就是学习逻辑回归了。什么是逻辑回归?
逻辑回归是一种分类的算法,它用给定的输入变量(
X
)来
预测二元的结果(
Y
)
(
1/0,
是
/
不是,真
/
假)
。我们一般用虚
拟变量来表示二元
/
类别结果。
你可以把逻辑回归看成一种特
殊的线性回归,只是因为最后的结果是类别变量,所以我们