机器学习(四)--------逻辑回归(Logistic Regression)

时间:2022-04-29 18:34:58

逻辑回归(Logistic Regression)

线性回归用来预测,逻辑回归用来分类。

线性回归是拟合函数,逻辑回归是预测函数

逻辑回归就是分类、

分类问题用线性方程是不行的   线性方程拟合的是连续的值

逻辑回归是分类问题   比如肿瘤问题    只有 0 ,1 两种情况

逻辑回归的方程写成

机器学习(四)--------逻辑回归(Logistic Regression)

X是特征向量   theta是参数向量    theta转置乘以特征向量 就是参数与特征相乘

g代表逻辑函数     一个常用的s型逻辑函数就是 :

机器学习(四)--------逻辑回归(Logistic Regression)

图为:机器学习(四)--------逻辑回归(Logistic Regression)

python代码为:

机器学习(四)--------逻辑回归(Logistic Regression)

机器学习(四)--------逻辑回归(Logistic Regression)的意义呢     因为结果是 0 1  所以他的意义其实是为1的概率机器学习(四)--------逻辑回归(Logistic Regression)

决策边界decision boundary

比如说模型是这样的机器学习(四)--------逻辑回归(Logistic Regression)

g还是和上边一样  0 1  逻辑回归都用这个机器学习(四)--------逻辑回归(Logistic Regression)

我需要做的就是用一条线把他们分开   这条线可能是直线  也可能是更复杂的线

机器学习(四)--------逻辑回归(Logistic Regression)