Binary logistic regression model
- 是
分类模型，由概率分布 P ( Y ∣ X ) P(Y|X) P(Y∣X)计算，是参数化的Logistic分布
先概述一下这个模型的条件概率分布
P ( Y = 1 ∣ x ) = e x p ( w ⋅ x + b ) 1 + e x p ( w ⋅ x + b ) P(Y=1|x)=\frac{exp(w\cdot{x}+b)}{1+exp(w\cdot{x}+b)} P(Y=1∣x)=1+exp(w⋅x+b)exp(w⋅x+b)
P ( Y = 0 ∣ x ) = 1 1 + e x p ( w ⋅ x + b ) P(Y=0|x)=\frac{1}{1+exp(w\cdot{x}+b)} P(Y=0∣x)=1+exp(w⋅x+b)1
什么是一个事情的几率？
一件事情发生的概率 p p p比上这件事情不发生的概率 1 − p 1-p 1−p即 p 1 − p \frac{p}{1-p} 1−pp
那么对数几率 l o g i t ( p ) = l o g e p 1 − p logit(p)=log_e{\frac{p}{1-p}} logit(p)=log
最低0.47元/天 解锁文章
2114
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
