机器学习中的分类模型

逻辑回归模型

一

一

• 1.3 对数几率函数的反函数即Logistic函数。

  • 1.4 在多分类场景下采用Softmax回归。

  • • 1.4.1 Softmax的具体定义如下所述。

  • 1.4.2 损失计算方式采用了基于交叉熵的方法。

  • 1.4.3 计算过程中涉及的信息增益度量。

  • 1.4.4 损失计算过程求导方法研究。

  • 1.5 其他相关的 Softmax 回归的一些操作

  • • 参考：

• 二、Logistic回归的实际应用

  • • • 2.1 比较逻辑回归与线性回归
  • 在MNIST数据集上应用Softmax模型

by - YH
Date - 22/11/2019

下篇文章主要通过代码实现了对线性回归模型的构建；本篇文章将深入探讨逻辑回归（Logistic），着重分析两个关键方面：其一是理论基础与工作原理；其二是基于Tensorflow平台的具体实现过程。

一、基本概念简介以及理论讲解

1.1 基本概念简介以及理论讲解

回归方法通常用于解决连续型变量的问题，在机器学习中例如，在机器学习中线性回归是一种常用的方法它通过最小化损失函数逐步训练出一条最佳拟合直线来计算参数权重w和偏置b的过程其目标是利用连续方程来预测特定数值

这里旨在阐述的是Logi