目錄

一、邏輯回歸應用場景

二、邏輯回歸原理

?三、損失

四、類別劃分

1、真實值屬于該類別（y=1）

2、真實值不屬于該類別（y=0）

3、完整損失函數

4、邏輯回歸計算過程（重要）

?1、先線性回歸，得到結果

2、邏輯回歸映射

3、帶入計算

API

---

一、邏輯回歸應用場景

廣告點擊率（是否會被點擊）

是否為垃圾郵件

是否患病

金融詐騙

虛假賬號

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：

?回歸的結果輸入到sigmoid函數中。

?輸出結果：[0,1]區間中的一個概率值，默認為0.5。

?

函數計算出的結果如果大于閾值(0.5)，即y軸右邊：屬于該類別。

函數計算出的結果如果小于閾值(0.5)，即y軸左邊：不屬于該類別。

（閾值可以自己設定）

總的模型：?

?三、損失

邏輯回歸的損失：對數似然損失。

公式：

四、類別劃分

1、真實值屬于該類別（y=1）

（輸入越接近1，則越損失越小，結果越準確）?

2、真實值不屬于該類別（y=0）

3、完整損失函數

4、邏輯回歸計算過程（重要）

?1、先線性回歸，得到結果

?

?

?

2、邏輯回歸映射

?

?（閾值可以自己確定，默認0.5）

3、帶入計算

?h(x)：線性回歸的計算結果

y：真實結果

最終的值越小越好，分類更可靠。

API

sklearn.linear_model.LogisticRegression

總結

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）的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。