逻辑回归算法-推导学习详细

逻辑回归(Logistic regression)

用于分类,是经典的而二分类算法


Sigmoid函数:
在这里插入图片描述
决策边界(Decision boundary):

  • 线性 决策边界(Linear decision boundary)
    在这里插入图片描述
  • 非线性 决策边界(Non - linear decision boundary)
    在这里插入图片描述
    损失函数(Cost function):
    在这里插入图片描述
    上图可以看出,因为有sigmoid函数,就会导致 J(θ)函数不平滑,这样就会很难确保下降到最低点,得到一个最优解,因此需要更换新的损失函数。
    在这里插入图片描述
    似然函数与对数似然:
    在这里插入图片描述
    整理:
    在这里插入图片描述
    到这里,之后的操作就和线性回归很相似了,如果你不清楚,可以看看我写的关于线性回归的讲解,或许对你有所帮助。(似然函数我也在线性回归中讲解了)线性回归算法-案例推导学习详细
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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