逻辑回归 作用于二分类场景
输入和线性回归一样,多项式
sigmod函数 取值0-1范围
逻辑回归公式:
与线性回归原理相同,但由于是分类问题, 损失函数不一样,只能通过梯度下降求解
损失函数:
均方误差只有一个最小值,不存在局部多个最小值点
对数似然损失:多个局部最小值
改善方法:多次随机初始化,多次比较最小值的结果;求解过程中调整学习率
12min
sklearn.linear_model.LogisticRegression
sklearn.linear_model.LogisticRegression(penalty=‘l2’, C = 1.0) Logistic回归分类器 coef_:回归系数
LogisticRegression总结
应用:广告点击率预测、电商购物搭配推荐 优点:适合需要得到一个分类概率的场景 缺点:当特征空间很大时,逻辑回归的性能不是很好 (看硬件能力)
非监督学习 聚类
K-means
步骤:
1、随机设置K个特征空间内的