逻辑回归 Logistics Regression

逻辑回归是一种用于预测二分类问题的统计模型。不同于线性回归,逻辑回归适用于因变量为离散型的情况。在机器学习中,逻辑回归通过训练历史数据建立模型,用于预测新数据的分类可能性。其工作原理基于线性预测函数与sigmoid函数的结合,确保输出在0到1之间,代表属于某一类别的概率。在构建包含多个变量的逻辑模型时,通常采用逐步剔除法优化模型,考虑Akaike信息准则(AIC)和p值。
摘要由CSDN通过智能技术生成

Regression

Linear Regression

当x和y都是连续性变量时,使用回归模型。

y = β0 + β1x + ε

x: explanatory/predictor

y: response

ε: error, but always drop off since the model is focus on average outcome

Coefficient: Least Square Estimation,找到一条直线minimize the sum of the squared residuals.(SSE)

S(β0, β1) = [y- (β0+β1x)]^2, 求β0, β1偏导, 使值等于0,解方程可得Coefficient

Why Least Square Estimation?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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