分类问题之 Logistic Regression
线性回归简介
- 线性模型
- 向量形式
- 可解释性
w 可以理解为特征的权重
- 目标
对数几率回归, Logistic Regression
- 训练过程(梯度下降)
-
分类预测步骤
P(Y=1|x) = e^z / (1 + e^z) P(Y=0|x) = 1 / (1 + e^z) z = wx
正则化
与 Naive Bayes 的区别
- NB 假设特征相互独立
- LR 是线性分类器
- 训练方式不一样
FrozenMap阅读 6k
拓端tecdat阅读 1.5k
拓端tecdat阅读 1.3k
拓端tecdat阅读 889
ZincO阅读 842
拓端tecdat阅读 784
拓端tecdat阅读 722
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。