C++ 落地AI项目教程:以libtorch实现逻辑回归
1. 逻辑回归基本原理
逻辑回归是一种二分类算法，其原理是：通过学习训练数据，将数据分为两个类，比如0和1.
逻辑回归（Logistic Regression）是一种统计学上常用的分类算法，尽管其名称中含有“回归”一词，但实际上它被广泛应用于二分类问题。逻辑回归的基本原理如下：
-
线性组合：
首先，逻辑回归假设输入特征（自变量）与输出（因变量）之间存在线性关系。这种关系可以通过一个线性组合（加权求和）来表示，即 ( z = w_1x_1 + w_2x_2 + … + w_nx_n + b )，其中 ( w_i ) 是对应于每个特征 ( x_i ) 的权重系数，( b ) 是偏置项。
Sigmoid 函数：
由于逻辑回归用于解决分类问题，我们需要将线性组合的结果转换成概率形式。为此，我们使用 Sigmoid 函数 ( \sigma(z) = \frac{1}{1 + e^{-z}} )，这个函数会将任何实数映射到 (0, 1) 区间内，代表某个事件发生的概率。