逻辑回归(使用激活函数sigmoid)详细介绍

已于 2022-03-17 18:27:31 修改
阅读量4.7k 收藏 1
点赞数 2
文章标签： 逻辑回归 矩阵 机器学习
于 2022-03-16 21:17:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51799151/article/details/123535349
版权

文章目录


线性回归预测得数字是连续的。
逻辑回归预测的是分类得问题。

一、引入

在这里插入图片描述
假设数据集如图。

如果使用线性回归进行预测
在这里插入图片描述

显然这种模型很难去准确预测各种年龄段的人爱好是什么。
我们的准确值是在0 1，而预测的是在负无穷到正无穷，显然很不符合。

二、sigmoid函数

通过上面看出，我们显然不能使用线性回归。我们可以使用逻辑回归中的sigmod函数来准确预测。(sigmod函数 重点！)
即 把结果 负无穷到正无穷 压缩到 0-1.（激活函数）

在这里插入图片描述

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Mae_strive
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
对算法的认识——逻辑回归
qq_38737545的博客
10-15 2290
逻辑回归：找出一条直线来分类数据 逻辑回归虽然名字叫回归，却是属于分类算法，是通过Sigmoid函数将线性函数的结果映射到Sigmoid函数中，预估事件出现的概率并分类。 Sigmoid是归一化的函数，可以把连续数值转化为0到1的范围，提供了一种将连续型的数据离散化为离散型数据的方法。因此，逻辑回归从直观上来说是画出了一条分类线。位于分类线一侧的数据，概率>0.5,属于分类A；位于分类线另一...
逻辑回归（Logistic Regression）
热门推荐
tt丫的博客
05-11 7万+
逻辑回归是线性分类器（线性模型）—— 主要用于二分类问题【拓：如何判别一个模型是否为线性模型理论上分辨：线性模型是可以用曲线来拟合样本的，但是分类的决策边界一定是直线的数学表达上分辨：表达式中的系数w乘上自变量x（一个w系数影响一个自变量维度x）】（1）penalty：表示惩罚项（正则化类型）。字符串类型，取值为’l1’ 或者 ‘l2’，默认为’l2’。l1：向量中各元素绝对值的和，作用是产生少量的特征，而其他特征都是0，常用于特征选择；
逻辑回归、激活函数sigmoid、损失及优化、案例代码实现
我的个人博客
12-23 2328
逻辑回归概念及原理，激活函数sigmoid函数，损失以及优化，逻辑回归API，sklearn.linear_model.LogisticRegression，良／恶性乳腺癌肿瘤分类预测案例代码实现
神经网络中的激活函数——Sigmoid函数
最新发布
Seu_Jason的博客
05-15 756
本文介绍了Sigmoid函数
Sigmoid函数与逻辑回归
qq_38638132的博客
05-07 6617
文章目录(1). Sigmoid函数的由来——伯努利分布的衍生物1.1 为什么会有 sigmoid 函数的出现？1.2 sigmoid 函数推导过程1.3 sigmoid 函数求导(2). 逻辑回归（Logistic Regression）2.1 逻辑回归算法的最终本质——求决策边界2.2 逻辑回归算法中的重要组成部分 (1). Sigmoid函数的由来——伯努利分布的衍生物 1.1 为什么会有 ...
机器学习之逻辑回归算法详解（Sigmoid函数、逻辑回归的损失函数、梯度下降 、逻辑回归的正则化、逻辑回归API中的超参数介绍）
weixin_40247876的博客
06-07 5676
机器学习19_逻辑回归算法详解（2021.06.07 ~） 一. 究极总结 逻辑回归：一个打着回归旗号，却在做分类任务的分类器。 二. 必备知识复习 逻辑回归在本质上其实是由线性回归衍变而来的，因此想要更好地理解逻辑回归，先让我们复习一下线性回归。线性回归的原理其实就是用一个线性回归方程来描述一个线性回归的问题。而线性回归的方程可以写作一个几乎大家都熟悉的方程： 在这个方程中，w0被称作截距，w1 ~ wn 被称作系数，这个线性回归方程也可以用矩阵来表示： 通过求出函数z，线性回归便完成了使用输入的特征
逻辑 回归
weixin_46528566的博客
02-21 848
逻辑回归 我们之前讲述了线性回归，那么这里面引入逻辑回归，逻辑回归更侧重于数据的分类。 我们在线性回归中所说的无论是一元线性回归，多元线性回归或者是多项式回归，其函数构造成代价函数之后可能是非凸函数，所以使用 梯度下降法可能会造成求出的是局部最小值。 所以我们在参数回归中所用到的函数是 sigmoid函数，而且是用参数矩阵和sigmoid函数所结合： 在图像中我们用0.5作为边界，大于0.5的都可以归到1里面，小于0.5的都可以归于0中，便于分类。 我们想要想到决策边界，就是就数据分成不同类型的边界，
一文彻底搞懂逻辑回归模型
weixin_44852067的博客
04-09 5526
1）逻辑回归即为数据服从伯努利分布,通过极大似然函数的方法，运用梯度下降法求解参数,来达到二分类的目的。2）逻辑回归是一个分类模型，解决分类问题(类别+概率)，可以做ranking model。
PyTorch线性回归和逻辑回归实战示例
09-20
逻辑回归通常使用交叉熵损失（Cross Entropy Loss），激活函数是sigmoid。这里不再展示具体代码，但可以按照线性回归的框架进行修改。 **总结** PyTorch提供了灵活且易于使用的API，使得实现线性回归和逻辑回归变...
PyTorch线性回归和逻辑回归实战示例.pdf
04-17
在 PyTorch 中实现逻辑回归，只需将线性层后的激活函数改为 `torch.sigmoid` 或直接使用内置的 `nn.LogSoftmax` 和 `nn.NLLLoss`。 这个实战示例提供了一个基础的 PyTorch 模型训练流程，适用于理解基本的神经网络...
5. 逻辑回归(logistic regression)的本质——极大似然估计 - zjuPeco的博客 - CSDN博客1
08-03
逻辑回归模型的网络结构类似于自适应线性网络(Adaline)，区别在于激活函数的不同。Adaline使用线性函数y=x，而逻辑回归使用Sigmoid函数。这种差异使得逻辑回归更适合处理非线性可分的数据。 在确定模型参数w的过程...
tensorflow实现简单逻辑回归
01-21
逻辑回归是机器学习中很简答的一个栗子，这篇文章就是要介绍如何使用tensorflow实现一个简单的逻辑回归算法。 逻辑回归可以看作只有一层网络的前向神经网络，并且参数连接的权重只是一个值，而非矩阵。公式为：y_...
Sigmoid函数以及逻辑回归的由来
qq_44289607的博客
01-30 3028
线性回归时统计学经典算法，它能够拟合出一条直线来描述变量之间的线性关系。但在实际中，变量之 间的关系通常都不是一条直线，而是呈现出某种曲线关系。在统计学的历史中，为了让统计学模型能够更好地拟合曲线，统计学家们在线性回归的方程两边引入了联系函数（link function），对线性回归的方程做出了各种样的变化，并将这些变化后的方程称为“广义线性回归”。其中比较著名的有等式两边同时取对数的对数函数回归、同时取指数的S形函数回归等。 ...
深度学习-激活函数
weixin_40934238的博客
02-14 1589
深度学习-激活函数目录前言激活函数什么是激活函数激活函数的作用激活函数的种类identitystepsigmoidtanhReLULReLUPReLURReLUELUSELUsoftsignsoftplussoftmaxswishhswish激活函数的选择激活函数相关问题 前言 本深度学习系列是根据paddle飞浆所简单整理的，需要可自行跳转学习。本节是关于深度学习-激活函数的相关内容。这是只简单记录部分知识，目的是方便以后复习。 激活函数 什么是激活函数 激活函数是人工神经网络的一个极其重要的特征
【逻辑回归】逻辑回归sigmoid函数怎么来的
ywj_1991的博客
09-29 809
《老饼讲解-机器学习》：本文讲解，逻辑回归模型sigmoid函数由来的思路与推导。推导思路主要来源于香农信息量。
【机器学习】【逻辑回归】Logistic函数/Sigmoid函数的详细公式推导
蔚蓝的天空Tom
03-19 3万+
sigmoid函数的数学公式                sigmoid函数的因变量x取值范围是-∞到+∞，(-∞，+∞)，但是sigmoid函数的值域是(0, 1)。不管x取什么值其对应的sigmoid函数值一定会落到(0,1)范围内~~~漂亮的logistic 曲线sigmoid函数对应的图形就是logistic曲线，logistic曲线对应的函数就是sigmoid函数。下面我们用通过spy...
＜Zhuuu_ZZ＞HIVE(十一)函数
Zhuuu_ZZ的博客
09-22 2087
Hive内置函数一 Hive函数分类二 字符函数二 类型转换函数和数学函数三 日期函数四 集合函数五 条件函数六 聚合函数和表生成函数6.1 聚合函数6.2 表生成函数：输出可以作为表使用 一 Hive函数分类 从输入输出角度分类 标准函数：一行数据中的一列或多列为输入，结果为单一值 聚合函数：多行的零列到多列为输入，结果为单一值 表生成函数：零个或多个输入，结果为多列或多行 从实现方式分类 内置函数 自定义函数 UDF：自定义标准函数 UDAF：自定义聚合函数 UDTF：自定义表生成函数
逻辑回归 — Sigmoid函数 —预测是否出现过交通事故
m0_37657725的博客
08-07 8287
目录 1. 数据的种类 2. Sigmoid函数 3. 案列 ：预测是否会发送交通事故 4. 总结 逻辑回归模型是离散数据（二次分布） 1. 数据的种类 连续性数据：给定一个区间，可以取区间内任意一实数——工资（连续） 离散型数据：给定一个区间，只能取区间有限的实数值——性别（男女） 正太线性模型（基于正太分布，连续分布），只能对连续性数据响应，不能对离散的数据响应。 2. S...
机器学习（二）逻辑回归
J.Anson的博客
06-20 1556
Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。 Logistic 回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。
逻辑回归和sigmoid函数
08-28
逻辑回归本质上是线性回归模型，在特征和结果的映射中加入了一层函数映射。这个函数映射将特征值线性求和的结果映射到0和1的范围上，从而得到离散的分类结果。 为什么选择sigmoid函数作为逻辑回归的映射函数呢？有以下几个原因： 1）对于逻辑回归模型，我们的目标是最大化条件似然度。我们想要得到给定输入特征x时，类标记y=1出现的概率p(y=1|x;w)。sigmoid函数可以将输入特征x与权重w的线性组合映射到一个条件概率上，从而表示类标记为1的置信度。 2）sigmoid函数具有一些很好的数学性质，比如单调上升和连续可导。 3）sigmoid函数的导数具有特殊的性质，这使得我们在使用梯度下降等优化算法时更容易求解。 总结起来，逻辑回归选择sigmoid函数作为映射函数是因为sigmoid函数可以将线性求和的结果映射到0和1之间的概率，具有良好的数学性质，并且在优化算法中易于求解。 逻辑回归是一种分类算法，与回归方法有一定的联系，但是逻辑回归主要用于解决分类问题。在逻辑回归中，通过将标量wx+b通过sigmoid函数映射到(0,1)的范围上，然后将其划分为两个类别，通常是0和1。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [逻辑回归](https://blog.csdn.net/qq_36890572/article/details/80220078)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [机器学习-逻辑回归分析（Python）](https://download.csdn.net/download/weixin_38637272/15439025)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [逻辑回归、激活函数sigmoid、损失及优化、案例代码实现](https://blog.csdn.net/qq_43874317/article/details/128283780)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

Mae_strive

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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