机器学习的简单易懂指南（12）逻辑回归
发布时间
阅读量：
阅读量
逻辑回归
算法基础理解
之前我们在讨论线性回归算法和多项式回归算法时提到了它们的本质及目的。具体而言，在这些方法中我们希望模型能够通过某种形式得出一个明确的结果即 ý = f(x)，其中x代表输入的特征而f(x)则表示模型对这一特征所作出的映射或变换。然而这种方法存在一定的局限性因为当我们将输入x代入f(x)进行计算时所得出的结果 ý可能会落在从负无穷到正无穷的所有实数值范围内这会导致结果缺乏明确的边界或约束条件这种特点在某些应用场景下可能会带来不利影响
相比之下，在逻辑回归中虽然其原理同样涉及特征与事件发生概率之间的关系但它采用了一种不同的思路即直接将特征与发生概率结合起来用于预测事件的发生可能性并通过对这一概率进行深入分析来实现分类目标这使得逻辑回归与其他类似方法在核心思想上存在显著差异
逻辑回归算法既可以用于分类任务（其中二分类是其核心应用），也可以通过优化方法扩展至多分类场景；同时也能应用于回归分析。
公式推导以及代码封装
还没有任何评论哟~