有监督分类的概率分类方法（逻辑斯特）

1.前言

此前所阐述的均为用于判定模式归属类别的识别算法。针对依据概率实现分类的模式识别方式，通常被称为概率分类方法。本文将重点围绕该方法展开探讨。

基于概率的模式识别技术，核心在于对给定模式x对应类别y的后验概率p(y|x)进行学习与建模。当某一类别对应的后验概率值达到峰值时，该模式即被判定为属于该类别。

在模式识别过程中，类别y'的后验概率p(y=y'|x)可被解释为样本x归属于该类别的置信程度。借助这一特性，当置信度处于极低水平时，系统可选择不进行强制分类操作，从而有效规避误判风险。同时，该方法还支持多种实用配置选项，例如将此类低置信度样本直接排除。此外，基于概率模型的识别方式在处理多类别分类任务时往往能够取得较为理想的分类效果。

2.Logistic回归模型应用

【

首先介绍一种既简单又具有实际应用价值的Logistic回归方法。

2.1 Logistic模型的最大似然估计

Logistic回归方法通过线性对数函数对分类条件概率p(y|x)进行建模。

![](https://cdl.i