机器学习1-Logistic回归

机器学习——Logistic回归

机器学习相关概念

机器学习相关概念
有监督学习:有标记。
无监督学习:没有任何标记。

分类学习:例如邮件的分类:发送邮件,接收邮件,垃圾邮件等。
回归学习:一个时间线上的东西,例如体重、年龄等。

模型泛化:训练模型刚开始会给训练集,但是学习完之后,让他用于其他数据集。

过拟合:提高算法准确性,详细体现了数据集各种特征,但是在新数据集效果差。
欠拟合:与过拟合相反。

Logistic回归

机器学习最基本的算法之一,是一种广义的线性回归(generalized linear model),常用于数据挖掘,医学领域和社会学等领域。虽然名字里带“回归”,但是它实际上是一种分类方法,不仅能进行分类,还能获取每个类别的概率预测值。
优点:实现简单,易于理解和实现;计算代价不高,速度很快,存储资源低。
缺点:容易欠拟合,分类精度不高。
常用于两分类问题,所以利用了Logistic函数(或称为Sigmoid函数),函数形式为:

  • 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