逻辑回归基本原理介绍

jiabiao1602 2023-01-12 22:28:38

课时名称	课时知识点
逻辑回归基本原理介绍	逻辑回归基本原理介绍

...全文

158 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

看了Stanford的Andrew Ng老师的机器学习公开课中关于Logistic Regression的讲解，然后又看了《机器学习实战》中的LogisticRegression部分，写下此篇学习笔记总结一下。首先说一下我的感受，《机器学习实战》一书在介绍原理的同时将全部的算法用源代码实现，非常具有操作性，可以加深对算法的理解，但是美中不足的是在原理上介绍的比较粗略，很多细节没有具体介绍。所以，对于没有基础的朋友（包括我）某些地方可能看的一头雾水，需要查阅相关资料进行了解。所以说，该书还是比较适合有基础的朋友。

逻辑回归（Logistic Regression）是机器学习中的一种分类模型，逻辑回归是一种分类方法，虽然名字中带有回归，但是它与回归之间有一定的联系。由于算法的简单和高效，在实际应用中非常广泛。 1、逻辑回归的应用场景 >广告点击率 >是否为垃圾邮件 >是否患病 >金融诈骗 >虚假账号看到上面的例子，我们可以发现其中的特点，那就是属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器。 2、逻辑回归的原理想要掌握逻辑回归就必须要掌握两点：逻辑回

本博文针对逻辑回归的原理进行了介绍：逻辑回归就是这样的一个过程：面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证我们这个求解的模型的好坏。Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题（即输出只有两种，分别代表两个类别）回归模型中，y是一个定性变量，比如y=0或1，logistic方法主要应用于研究某些事件发生的概率

机器学习解决的问题，大体上就是两种：数值预测和分类。前者一般采用的是回归模型，比如最常用的线性回归；后者的方法则五花八门，决策树，kNN，支持向量机，朴素贝叶斯等等模型都是用来解决分类问题的。其实，两种问题从本质上讲是一样的：都是通过对已有数据的学习，构建模型，然后对未知的数据进行预测，若是连续的数值预测就是回归问题，若是离散的类标号预测，就是分类问题。这里面有一类比较特殊的算法，就是逻辑回归...

逻辑回归（Logistic Regression）是一种常用的机器学习算法，用于解决分类问题。尽管名字中带有"回归"一词，但逻辑回归实际上是一种分类算法，用于预测实例属于某个类别的概率。在本篇博客中，我们将深入探讨逻辑回归算法的原理、实现和应用。逻辑回归是一种用于解决二分类问题的线性模型。与线性回归不同，逻辑回归不是直接预测数值，而是预测某个实例属于某个类别的概率。通常情况下，逻辑回归的输出值在0到1之间，可以看作是对正类别的预测概率。

谢佳标的课程社区_NO_2

1

社区成员

270

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章