正如上一篇文章所提到,分类算法是典型的监督学习,训练样本中包含样本的特征和标签信息。 逻辑回归(Logistic Regression)算法是一种广泛使用的分类算法(二分类),通过训练数据中的正负样本,学习样本特征到样本标签之间的假设函数,它是典型的线性分类器。算法的复杂度低、容易实现等特点,在工业界得到广泛应用。 #逻辑回归模型 逻辑回归模型是广义线性模型的一种,属于线性的分类模型。 分类问题,通常分为线性可分与线性不可分两种。如果一个分类问题可以使用线性判别函数正确分类,则成为线性可分问题。 训练逻辑回归模型的步骤: 1. 确定阙值函数(Sigmod函数),将样本映射到不同类别中 2. 为得到模型的两个参数(权重矩阵W,偏置向量b),定义损失函数 3. 为求损失函数的最小值,使用基于梯度下降的优化算法求解(当然还有别的优化算法)求解 4. 利用梯度下降法训练逻辑回归模型 实践:
【简单学习机器学习】学习笔记之Python机器学习算法 (逻辑回归)
猜你喜欢
转载自blog.csdn.net/feng_zhiyu/article/details/80901975
今日推荐
周排行