数据挖掘复习笔记---04.4分类问题之 Logistic Regression

分类问题之 Logistic Regression

线性回归简介

  • 线性模型

    《数据挖掘复习笔记---04.4分类问题之 Logistic Regression》

  • 向量形式

    《数据挖掘复习笔记---04.4分类问题之 Logistic Regression》

  • 可解释性

    w 可以理解为特征的权重

  • 目标

    《数据挖掘复习笔记---04.4分类问题之 Logistic Regression》

对数几率回归, Logistic Regression

  • 训练过程(梯度下降)

    《数据挖掘复习笔记---04.4分类问题之 Logistic Regression》

    《数据挖掘复习笔记---04.4分类问题之 Logistic Regression》

  • 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

《数据挖掘复习笔记---04.4分类问题之 Logistic Regression》

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

    原文作者:FrozenMap
    原文地址: https://segmentfault.com/a/1190000018991317
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞