机器学习算法(二)逻辑回归 (Logistic Regression)

本文详细介绍了逻辑回归的概念,包括其作为分类算法的工作原理、sigmoid函数的使用以及优化方法,如梯度上升法,旨在寻找最佳回归系数以进行有效的分类预测。
摘要由CSDN通过智能技术生成

逻辑回归属于有监督学习的分类算法

1、概要介绍

(1)回归:假设有一些数据点,我们用一条直线对这些点进行拟合,这个拟合的过程就是回归。

拟合:把平面上的一些点用一条光滑的曲线连起来。

(2)逻辑回归

通过将数据拟合进一个逻辑函数来预估一个事件出现的概率(输出值在0~1之间),P>0.5的数据被分为1类,P<0.5的数据被分为0类。

2.原理说明

(1)Logistic回归的主要思想:

根据现有的数据,对分类边界线建立回归公式,以此进行分类。

(2)Logistic回归的过程

a.收集数据

b.分析数据

c.训练算法,为找到最佳回归系数

d.测试算法

3、算法推导

逻辑回归的最终结果是一组特征的系数:z=w_{0}x_{0}+w_{1}x_{1}+......+w_{n}x_{n},其中w就是系数。

(1

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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