标签:逻辑 感知器 函数 sigmod 一个 回归 神经网络 算法 模型
机器学习:逻辑回归模型理解
草图:
- ① 和决策树、朴素贝叶斯作用类似,logistc回归也是一种分类工具,其形式更加接近于神经网络,类似一个感知器的作用。首先进行一个假设,即假设y(最后的分类结果服从伯努利分布,),这样就引入了sigmod函数。即伯努利分布的表达形式
1/(1+e^-z)
,这里的z就是一个线性表达式,sigmod就是一个激活函数,所以和神经网络是类似的(只是神经网络的一个特例而已),同样的,这个是公式,其中的z包含了输入数据的特征向量,以及对应的系数向量), - ② 那么如何训练呢?也和神经网络完全一样。利用交叉熵损失函数,通过梯度下降方式试图使得交叉熵最小,就完成了分类,其实这整个公式之前神经网络的时候也说过的,是形成了一个超平面,将一个在平面上不可分的问题,在高纬度空间的时候,是可以分的。所以基本上逻辑回归分类器就是一个感知器,神经网络的特例。
标签:逻辑,感知器,函数,sigmod,一个,回归,神经网络,算法,模型 来源: https://blog.csdn.net/XiaoH0_0/article/details/100810756
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。