总结

• 逻辑回归 (对数几率回归)，是一种名为“回归”的线性分类器，其本质是由线性回归变化而来的，一种广泛使用于分类问题中的广义回归算法
Sigmoid函数：

• • 将线性回归方程z变换为g(z)，并且将g(z)的值压缩到(0,1)之间，当g(z)接近0时样本的标签为类别0，当g(z)接近1时样本的标签为类别1，这样就得到了一个分类模型
  • Sigmoid函数也被当作是归一化的一种方法
• 形似几率：逻辑回归y(x)和1-y(x)相加必然为1。如果我们令y(x)除以1-y(x)可以得到形似几率的y(x)/1-y(x)，在此基础上取对数就可以得到线性回归
  • 逻辑回归的形似几率取对数就是线性回归
  • 线性回归解的对数几率就是逻辑回归

逻辑回归

在之前的课程中我们已经学习接触过相关的回归模型了，我们知道回归模型是用来处理和预测连续型标签的算法。然而逻辑回归，是一种名为“回归”的线性分类器，其本质是由线性回归变化而来的，一种广泛使用于分类问题中的广义回归算法。要理解逻辑回归从何而来，得要先理解线性回归。线性回归是机器学习中最简单的的回归算法，它写作一个几乎人人熟悉的方程（为了更好理解本节后面的讲解到的sigmod函数，下面的回归函数用z来表示）:

其中

标签：逻辑,机器,函数,回归,斯蒂,线性,对数,几率
来源： https://www.cnblogs.com/wgwg/p/13387425.html