逻辑回归（Logistic regression):
想要理解LR，只需要记住：
Sigmoid 函数：
y=1/(1+e-z)
线性回归模型：
y=wTx+b
最后：
y= 1/(1+e-(wTx+b))
推导为：
ln (y/1-y)=wTx+b
它就是用线性回归模型的预测结果去逼近真实标记的对数几率。
真实标记：是在模型训练时已经给出。
进而模型训练来确定模型参数 w 和 b
标签：logistic nbsp color size oid 模型训练 gre div col
逻辑回归（Logistic regression):
想要理解LR，只需要记住：
Sigmoid 函数：
y=1/(1+e-z)
线性回归模型：
y=wTx+b
最后：
y= 1/(1+e-(wTx+b))
推导为：
ln (y/1-y)=wTx+b
它就是用线性回归模型的预测结果去逼近真实标记的对数几率。
真实标记：是在模型训练时已经给出。
进而模型训练来确定模型参数 w 和 b
标签：logistic nbsp color size oid 模型训练 gre div col
原文地址：https://www.cnblogs.com/soyo/p/8143036.html
