目錄

一、邏輯回歸應(yīng)用場(chǎng)景

二、邏輯回歸原理

?三、損失

四、類別劃分

1、真實(shí)值屬于該類別（y=1）

2、真實(shí)值不屬于該類別（y=0）

3、完整損失函數(shù)

4、邏輯回歸計(jì)算過程（重要）

?1、先線性回歸，得到結(jié)果

2、邏輯回歸映射

3、帶入計(jì)算

API

---

一、邏輯回歸應(yīng)用場(chǎng)景

廣告點(diǎn)擊率（是否會(huì)被點(diǎn)擊）

是否為垃圾郵件

是否患病

金融詐騙

虛假賬號(hào)

二、邏輯回歸原理

輸入：

?（邏輯回歸的輸入就是線性回歸的輸出）

輸出：

?回歸的結(jié)果輸入到sigmoid函數(shù)中。

?輸出結(jié)果：[0,1]區(qū)間中的一個(gè)概率值，默認(rèn)為0.5。

?

函數(shù)計(jì)算出的結(jié)果如果大于閾值(0.5)，即y軸右邊：屬于該類別。

函數(shù)計(jì)算出的結(jié)果如果小于閾值(0.5)，即y軸左邊：不屬于該類別。

（閾值可以自己設(shè)定）

總的模型：?

?三、損失

邏輯回歸的損失：對(duì)數(shù)似然損失。

公式：

四、類別劃分

1、真實(shí)值屬于該類別（y=1）

（輸入越接近1，則越損失越小，結(jié)果越準(zhǔn)確）?

2、真實(shí)值不屬于該類別（y=0）

3、完整損失函數(shù)

4、邏輯回歸計(jì)算過程（重要）

?1、先線性回歸，得到結(jié)果

?

?

?

2、邏輯回歸映射

?

?（閾值可以自己確定，默認(rèn)0.5）

3、帶入計(jì)算

?h(x)：線性回歸的計(jì)算結(jié)果

y：真實(shí)結(jié)果

最終的值越小越好，分類更可靠。

API

sklearn.linear_model.LogisticRegression

總結(jié)

以上是生活随笔為你收集整理的机器学习（14）逻辑回归（理论）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。