目标: 预测取值离散的变量y,从而进行分类。
逻辑回归算法
分类算法,输出值永远在0到1之间
代表特征向量
代表逻辑函数(logistic function)
常用的逻辑函数
- S形函数(sigmoid function)
import numpy as np
def sigmoid(z):
return 1/(1+np.exp(-z))

分析过程:

大体思路:把取值的判断转化为几何空间区域分割,直观化。
目标: 预测取值离散的变量y,从而进行分类。
分类算法,输出值永远在0到1之间
代表特征向量
代表逻辑函数(logistic function)
import numpy as np
def sigmoid(z):
return 1/(1+np.exp(-z))
分析过程:
大体思路:把取值的判断转化为几何空间区域分割,直观化。
本文标题:ml-逻辑回归
本文链接:https://www.haomeiwen.com/subject/ryvlwctx.html
网友评论