机器学习Logistic回归
发布时间
阅读量：
阅读量
请展开目录，方便索引
soft binary classification
Logistic回归模型旨在应对分类问题，在过去的二元分类问题中，则将数据分为正例与负例两类。然而类比于PLA算法的做法，在运用单位阶跃函数时所呈现的突变过程往往难以有效处理。因此我们希望确定的是：对于给定的数据点来说，在其属于正例类别时的概率值是多少？
logistic regression的假设
基于数据的加权计算得到一个分数s，在逻辑回归模型中，则通过sigmoid函数将分数s转换为介于0到1的概率值
为此, 我们以 h(x) 为例来说明这一假设, 并明确指出该 logistic 函数 θ(x), 其数学表达式为 θ(x)=1/[1+exp(-x)] (此函数具有良好的光滑性和处处可微性)。
全部评论 (0)
还没有任何评论哟~