摘要: 四、逻辑回归 6、逻辑回归实现二分类 (1)对于每个样本x利用线性回归模型得到输出z: (2)将线性回归模型的输出z利用sigmoid函数得到概率: (3)构造损失函数: (4)损失函数关于向量W=( w0 , ... , wd )的函数,求损失函数的梯度: 由于: 所以: 由于: 所以: 由于: 阅读全文
posted @ 2020-02-01 12:18 泰初 阅读(1325) 评论(0) 推荐(1) 编辑
摘要: 四、逻辑回归 5、梯度下降法 (1)梯度解释 偏导数:简单来说是对于一个多元函数,选定一个自变量并让其他自变量保持不变,只考察因变量与选定自变量的变化关系。 梯度:梯度的本意是一个向量,由函数对每个参数的偏导组成,表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向变化最快, 阅读全文
posted @ 2020-02-01 11:46 泰初 阅读(1437) 评论(0) 推荐(1) 编辑
摘要: 四、逻辑回归 逻辑回归是属于机器学习里面的监督学习,它是以回归的思想来解决分类问题的一种非常经典的二分类分类器。由于其训练后的参数有较强的可解释性,在诸多领域中,逻辑回归通常用作baseline模型,以方便后期更好的挖掘业务相关信息或提升模型性能。 1、逻辑回归思想 当一看到“回归”这两个字,可能会 阅读全文
posted @ 2020-02-01 10:40 泰初 阅读(1276) 评论(0) 推荐(0) 编辑