本文转载自我在 CSDN 的旧博客:机器学习笔记(6)——逻辑回归(写于 2018-04-19),迁移时整理了格式。
逻辑回归#
逻辑回归是一种用于监督学习问题的学习算法,它的输出 y 全是 0 或者 1。逻辑回归的目标是减小预测与训练数据的误差。
例子:是猫 VS 不是猫
给定一个用特征向量 x 表示的图像,该算法将会估计那幅图是猫的可能性。

逻辑回归用到的参数:
- 输入特征向量:
,
是特征的数量 - 训练标记:

- 权重:
,
是特征的数量 - 下限:

- 输出:

- Sigmoid 函数:


是一种线性函数
,我们用 Sigmoid 函数来使可能性介于 [0,1]
由图可知:
- 如果 z 是一个很大的正数,那么 sigmoid(z) = 1
- 如果 z 是一个很小的负数,那么 sigmoid(z) = 0
- 如果 z = 0,那么 sigmoid(z) = 0.5
留言