首页 > 其他 > 详细

机器学习知识点查漏补缺(逻辑回归)

时间:2018-04-09 13:56:36      阅读:240      评论:0      收藏:0      [点我收藏+]

一、模型概念

逻辑回归将线性函数复合于逻辑斯蒂函数中,用其取值估计分类概率,从而在空间形成超平面对样本点进行分类。

 技术分享图片

Logistic回归实质:发生概率除以没有发生概率再取对数。就是这个不太繁琐的变换改变了取值区间的矛盾和因变量自变量间的曲线关系。究其原因,是发生和未发生的概率成为了比值 ,这个比值就是一个缓冲,将取值范围扩大,再进行对数变换,整个因变量改变。不仅如此,这种变换往往使得因变量和自变量之间呈线性关系,这是根据大量实践而总结。所以,Logistic回归从根本上解决因变量要不是连续变量怎么办的问题。还有,Logistic应用广泛的原因是许多现实问题跟它的模型吻合。例如一件事情是否发生跟其他数值型自变量的关系。

技术分享图片

 

二、目标优化函数

对于概率模型,采用对数最大似然函数作为目标优化函数:

技术分享图片

 

机器学习知识点查漏补缺(逻辑回归)

原文:https://www.cnblogs.com/hugh-tan/p/8654782.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!