逻辑回归(Logistic Regression) 最初是为了解决二分类问题。
线性回归模型帮助我们实现了回归但无法进行分类,LR就是在线性回归的基础上,构造的一种分类模型。
对于线性模型要想进行如二分类任务,最简单的办法就是通过阶跃函数(unit-step function),即将线性模型的输出值套上一个函数进行分割,大于z的判定为0,小于z的判定为1。如下图左所示
但这有个问题是,分段函数不连续且不可微。因此,提出对数几率函数能够有效地解释这个问题,见上图右,简称Sigmoid函数,该函数任意阶可微,将函数代入可得:
其实,LR 模型就是在拟合 z = w^T x +b 这条直线,使得这条直线尽可能地将原始数据中的两个类别正确的划分开。
通过对几率函数两边取对数,
将