逻辑回归是一种广泛应用的分类算法，尤其在CTR、CA和RS等任务中。尽管名称包含“回归”，但它实际上是用于分类的。通过Sigmoid函数将线性模型wTx+b映射到(0,1)区间，满足条件概率的要求。决策边界为wTx+b=0，通过最大化目标函数求解最优的w和b。常见的优化算法包括梯度下降法、随机梯度下降法和Adam等。"
110370702,10326433,用Python轻松创建网页：告别HTML，仅用Python实现,"['Python', '网页美化', 'GUI库', 'Remi']
逻辑回归
比较经典的分类算法，目前工业界用到的最多的模型，很多场景下，都会用到逻辑回归。逻辑回归由于存在易于实现、解释性好以及容易扩展等优点，被广泛应用于点击率预估（CTR）、计算广告（CA）以及推荐系统（RS）等任务中。逻辑回归虽然名字叫做回归，但实际上却是一种分类学习方法。 线性回归完成的是回归拟合任务，而对于分类任务，我们同样需要一条线，但不是去拟合每个数据点，而是把不同类别的样本区分开来。
学习输入到输出的映射 f : X → Y f:X \rightarrow Y f:X→Y
X X X:输入
Y Y Y:输出
定义条件概率 P （ Y ∣ X ） P（Y|X） P（Y∣X），如何去表示 P （ Y ∣ X ） P（Y|X） P（Y∣X）,这相当于用模型来捕获输入X和输出Y之间的关系。
条件概率 P （ Y ∣ X ） P（Y|X） P（Y∣X）需要满足两个条件：
- 0 < = P （ Y ∣ X ） < = 1 0<=P（Y|X）<=1 0<=P（Y∣X）<=1
- ∑ Y P （ Y ∣ X ） = 1 \sum_{Y} P（Y|X）=1 ∑YP（Y∣X）=1
最低0.47元/天 解锁文章
5630
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
