线性分类的式子作为逻辑回归的输入,再回归的时候完成分类,同时也有概率值。用于:广告点击率、判断用户性别、预测用户是够会购买给定的商品类、判断一条评论是正面还是负面。逻辑回归是解决二分类问题的。
逻辑回归公式:
输出:[0,1]区间
g(z)为sigmoid函数
sigmoid函数图:
损失函数、优化
与线性回归原理相同,但由于是分类问题, 损失函数不一样,只能通过梯度下降求解。
对数似然损失函数:
完整的损失函数:
cost损失的值越小,那么预测的类别准确度更高
线性分类的式子作为逻辑回归的输入,再回归的时候完成分类,同时也有概率值。用于:广告点击率、判断用户性别、预测用户是够会购买给定的商品类、判断一条评论是正面还是负面。逻辑回归是解决二分类问题的。
逻辑回归公式:
输出:[0,1]区间
g(z)为sigmoid函数
sigmoid函数图:
损失函数、优化
与线性回归原理相同,但由于是分类问题, 损失函数不一样,只能通过梯度下降求解。
对数似然损失函数:
完整的损失函数:
cost损失的值越小,那么预测的类别准确度更高