机器学习 | 线性模型之Logistic回归
对数几率回归:(Logistic回归) 解决二分类问题 单位阶跃函数:(不连续、理想状态) y代表输出标记,z代表预测值 预测值大于零就判为正例,小于零就判为反例,预测值为临界值零则可任意判别 对数几率函数(可微、任意阶可导)(替代函数) 对数几率(log odds):本作为正例的相对可能性的对数 单位阶跃函数与对数几率函数的比较
对数几率回归:(Logistic回归) 解决二分类问题 单位阶跃函数:(不连续、理想状态) y代表输出标记,z代表预测值 预测值大于零就判为正例,小于零就判为反例,预测值为临界值零则可任意判别 对数几率函数(可微、任意阶可导)(替代函数) 对数几率(log odds):本作为正例的相对可能性的对数 单位阶跃函数与对数几率函数的比较