分类---Logistic Regression
一 概述
Logistic Regression的三个步骤
现在对为什么不使用均方误差进行分析(步骤二的)
由上图可以看出,当距离目标很远时,均方误差移动速率也很慢,不容易得到好的结果。
Discriminative(Logstic) v.s. Generative(Gaussion)
两种方法的model是一样的,训练的数据是一样的,但是找出来的参数不一样!!!
通常来说Discriminative的性能要比Generative要好,但是Generative也有自己的特色。
二 多分类
三 Logistic Regression 的局限
还可以使用另一种转换方式:Cascading logistic regression models就是一种转换的普适方法。
参考:http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2016/Lecture/Logistic%20Regression%20(v3).pdf
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· C++代码改造为UTF-8编码问题的总结
· DeepSeek 解答了困扰我五年的技术问题
· 为什么说在企业级应用开发中,后端往往是效率杀手?
· 用 C# 插值字符串处理器写一个 sscanf
· Java 中堆内存和栈内存上的数据分布和特点
· 为DeepSeek添加本地知识库
· .NET程序员AI开发基座:Microsoft.Extensions.AI
· 精选4款基于.NET开源、功能强大的通讯调试工具
· 数据不出内网:基于Ollama+OneAPI构建企业专属DeepSeek智能中台
· 大模型工具KTransformer的安装