机器学习的分类方法——逻辑回归

标签：最小   es2017   技术   乘法   oid   学习   images   分享   简单的   

　　这个算法看得一知半解的，无论如何，先把理解的写下来，往后再迭代。还是以问题为导向：

1. 这个分类模型如何构建？
2. 这个模型的分类原理？
3. 如何求解模型的参数？
4. 逻辑回归模型有什么优点？

　　第一个问题，对于简单的线性模型，z=w·x+b，可以用它回归，然后利用最小二乘法求解参数w和b。当这个线性模型和sigmoid函数复合时，就构成了逻辑回归模型。对于sigmoid函数，如下图：其将z（图中的x替换为z）

　　第二个问题，根据对“事件几率”的定义：给事件发生与不发生的概率比，

机器学习的分类方法——逻辑回归

标签：最小   es2017   技术   乘法   oid   学习   images   分享   简单的   

原文地址：http://www.cnblogs.com/openAI/p/7507903.html