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


⬆︎TOP