线性分类模型
记录第三章的碎碎念。
1 回归和分类的区别
首先来阐述一下分类和回归的区别!
(1)分类:是给定一组数据,通过训练集得到它所对应的类别,是对离散变量的预测。
(2)回归:给定一组连续的数据,得到输出值,是对连续变量的预测。
通过一个例子来理解,特征是房屋面积,朝向,层数,输出值为房屋价格,有一组新的面积朝向层数是已知数据中没有的,就要通过回归函数去预测。而如果特征是面积,价格层数,输出值为朝向(东,南,西,北),则变成了一个分类任务。
2 四种线性分类模型
这些模型的主要区别时使用了不同的损失函数。
2.1 logistic模型(二分类)
2.1.1 logistic模型原理
逻辑回归(也叫对数几率回归)其实就是用来解决一个二元分类问题。虽然有回归二字,但人家是一个分类模型而不是一个回归模型!!!
人家名字里面有“回归”二字,所以也不是白叫的,当然与回归模型有联系。
首先给出线性回归模型: