项目3 使用逻辑回归进行分类

本文详细介绍了逻辑回归算法,包括其作为有监督学习方法的特点、在二分类问题中的应用、在Sklearn中的实现以及与线性回归的区别。重点讨论了Sigmoid函数、函数表达式、似然函数等内容。
摘要由CSDN通过智能技术生成

一、单项选择题 

1.关于逻辑回归算法,下列说法错误的是(B ) 。
A.逻辑回归属于有监督学习
B.逻辑回归仅能解诀二分类问题
C.逻辑回归使用最大似然估计训练模型
D.逻辑回归是在线性回归的基础.上增加了一层激活函数

2.在Sklearn中,使用逻辑回归训练模型时,需要用到(C ) 类。
A. LinearRegression
B. Ridge
C. LogisticRegression
D. Lasso

二、填空题

1.逻辑回归是一种线性分类模型, 其激活函数为Sigmoid函 数。

Sigmoid函数的数学表达式为

2.逻辑回归的函数表达式为

3.逻辑回归的似然函数为

三、简答题

1.简述回归与分类的区别。

回归与分类最主要的区别就是预测值的类型,如果模型的预测值是连续的数值,就是回归问题;如果模型的预测值是不连续的离散值,就是分类问题。
2.简述逻辑回归的基本原理。

逻辑回归模型是在线性回归模型的基础上增加了一层Sigmoid函数,将线性回归公式带入Sigmoid函数中,得到逻辑回归的函数表达式,然后求似然函数最大的情况下,对应的参数w与b的值,最终得到逻辑回归模型。
 

  • 7
    点赞
  • 5
    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