本文介绍了逻辑回归作为分类方法的基本原理，特别是其在二分类问题中的应用。通过鸢尾花数据集，详细展示了如何使用逻辑回归进行数据读取、可视化以及二分类和三分类预测。尽管在三分类问题中准确度稍有下降，但逻辑回归仍然是解决此类问题的有效工具。
逻辑回归的介绍与应用
逻辑回归的介绍
Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题（即输出只有两种，分别代表两个类别），所以利用了Logistic函数（或称为Sigmoid函数），函数形式为： l o g i s t i c ( z ) = 1 1 + e − z logistic(z) = \frac 1 {1+e^{-z}} logistic(z)=1+e−z1,对应图像为：
因此，对于一组变量 { x 1 , x 2 , . . . , x n , y } \{x_1,x_2,...,x_n,y\} {
x1,x2,...,xn,y},logistic回归模型为： p = p ( y = 1 ∣ x , θ ) = l n ( p 1 − p ) = ω 0 + ∑ i = 1 n ω i x i , 这 里 θ = { ω 0 , ω 1 , . . . , ω n } p = p(y=1|x,\theta) = ln(\frac p {1-p}) = \omega_0+\sum_{i=1}^n\omega_ix_i,这里\theta = \{\omega_0,\omega_1,...,\omega_n\} p=p(y=1∣x,θ)=ln(1−p
最低0.47元/天 解锁文章
扫一扫
3744
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
