版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/zhq9695/article/details/87620707
如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~
0. 前言
逻辑回归,根据数据对分类边界进行回归,以此分类。
y=σ(wTx+b)=1+exp(−wTx+b)1
逻辑回归不仅仅输出类别,而且得到了近似概率的预测。
sigmoid图像表示如下(图源:机器学习):
1. 逻辑回归参数求解方法
使用极大对数似然定义代价函数:
J=−m1i=1∑m(y(i)logy^(i)+(1−y(i))log(1−y^(i)))
使用梯度下降对其更新:
wj=wj−αm1i=1∑m(y^(i)−y(i))xj(i)
若样本集太大,则可采用随机梯度下降。
遇到过拟合问题,同样可以使用正则化。
如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~