机器学习：逻辑回归和K折交叉验证

文章目录

• 对逻辑回归模型的基础进行阐述
  • 分类模型的关键特征
  • 对损失函数进行优化是该模型的核心目标
  • • 信息论中的熵概念被引入以衡量数据不确定性
• • 交叉熵作为目标函数被提出

* 梯度下降
* 评估指标：K折交叉验证

• 代码实现

线性回归：预测一个连续的值

逻辑回归：预测一个离散的值

逻辑回归的引入

在进行二分类任务时, 我们通常仅期望获得两个可能的类别标记:y等于0或1. 然而, 在使用线性回归模型时所预测的数值结果是一个连续型变量, 在这种情况下可能会出现预测值明显超出预期范围(如远大于1或远小于0)的情况. 这会带来挑战, 我们希望的结果应当是:

![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog-i