逻辑回归(Logistic Regression)原理(理论篇)

您所在的位置:网站首页 逻辑回归多分类预测原理 逻辑回归(Logistic Regression)原理(理论篇)

逻辑回归(Logistic Regression)原理(理论篇)

#逻辑回归(Logistic Regression)原理(理论篇)| 来源: 网络整理| 查看: 265

目录

一、逻辑回归简介及应用

二、逻辑回归的原理

(1)sigmoid函数

(2)输入和输出形式

 (3)基于目标函数求解参数w

三、逻辑回归代码复现

一、逻辑回归简介及应用

        logistic回归又称logistic回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域。例如,探讨引发疾病的危险因素,并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例,选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群必定具有不同的体征与生活方式等。因此因变量就为是否胃癌,值为“是”或“否”,自变量就可以包括很多了,如年龄、性别、饮食习惯、幽门螺杆菌感染等。然后通过logistic回归分析,可以得到自变量的权重,同时根据该权值可以根据危险因素预测一个人患癌症的可能性。

       Logistic回归的因变量可以是二分类的,如上述中是否患胃癌;也可以是多分类的,如mnist手写识别,但是二分类的更为常用,也更加容易解释。所以实际中最常用的就是二分类的Logistic回归。

二、逻辑回归的原理

        谈到回归问题,第一反应是:y = kx+b在二维平面上是一条直线。当 k 和 b 确定时,对于回归问题,假设x为面积,经过线性映射,可以得到其体积y,则完成回归任务;对于分类问题,假设x为某个特征,经过线性映射,得到y>0,或



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3