逻辑回归(Logistic Regression)
本文深入探讨了逻辑回归在分类问题中的应用,包括二元分类的实例,如邮件过滤和金融欺诈检测。介绍了逻辑回归的假说表示,其中线性模型与S形函数结合形成决策边界。通过θ参数,确定了当预测概率大于0.5时预测为正类。文章详细阐述了代价函数的定义、化简和梯度下降算法在求解最优参数中的作用。此外,还讨论了多类别分类问题的解决策略,如‘一对余’方法。
摘要由CSDN通过智能技术生成