一、分类算法Classification
二进制分类binary classification:输出结果target中,只有两种可能,如yes/no、true/false、1/0
二、逻辑回归
二进制分类可以使用逻辑回归模型来预测
逻辑回归公式:
,
其中,符号e是自然常数,其值约为2.718281828459045。无论z等于多少,g(z)一定在0到1范围。
下图是逻辑回归公式的曲线图:
z可以用其他模型替代,比如用线性回归模型替换z:
二进制分类的输出结果y只会是0或1,的值在0到1范围,因此
可以理解为y=1的概率。比如:
=0.7,则预测y=1的概率为0.7,y=0的概率为0.3
三、决策边界
决策边界是两个分类的边界线,决策边界的一侧全是0,决策边界的另一侧全是1。
当z=0时,相应的曲线为决策边界。
以线性回归为例,下图中有两个特征和
,一个区域都是蓝圈,一个区域都是红叉。
设置,选择
=1,
=1,b=-3。则z=
+
-3=0,
+
=3为决策边界,在下图中绿线展示。
决策边界除了直线外,还可以是其他曲线,如下图所示,可以设置z为多项式回归,
,令
=1,
=1,b=-1,
,决策边界就是
,如下图绿圈所示。
学习来源:B站吴恩达机器学习:P31-P33 7.1-7.3节