回归技术之一--线性回归与逻辑回归
2016-01-04 21:47
267 查看
线性回归比较好理解,利用最小二乘法计算距离,取距离最小者作为最佳的拟合曲线。但是线性回归主要解决预测问题,由于没有引入边界的概念,因此无法解决分类问题。
逻辑回归主要是解决分类问题,如果“线性回归的结果输出是一个连续值,而值的范围无法限定”,则需要把结果值映射为可以识别的结果,这个映射就是sigmoid函数:
y=g(z),z=边界函数,点离边界越远,分类越明显,y即概率也越大。这种方法的巧妙之处是利用简单的映射,引入概率来解决边界分类问题,同时规避了线性分布无限值的问题。
逻辑回归同样需要解决拟合问题,利用梯度下降法可以解决高阶多项式的最佳拟合问题。
总的思想是:利用样本来训练拟合边界,然后利用边界来分类。
逻辑回归主要是解决分类问题,如果“线性回归的结果输出是一个连续值,而值的范围无法限定”,则需要把结果值映射为可以识别的结果,这个映射就是sigmoid函数:
y=g(z),z=边界函数,点离边界越远,分类越明显,y即概率也越大。这种方法的巧妙之处是利用简单的映射,引入概率来解决边界分类问题,同时规避了线性分布无限值的问题。
逻辑回归同样需要解决拟合问题,利用梯度下降法可以解决高阶多项式的最佳拟合问题。
总的思想是:利用样本来训练拟合边界,然后利用边界来分类。
相关文章推荐
- Java中父类和子类关于构造方法和私有属性的几个问题
- c#与c++类型对应
- 应用层—远程终端协议TELNET
- div+CSS网页制作
- Java正则表达式-语法与示例
- java socket学习笔记
- c/c++常见的排序算法
- Swift-MJRefresh下拉刷新及上拉加载实践
- Easy-Ui中window窗口介绍
- Photoshop生成320*320像素图片
- iOS开发-获取设备型号信息
- android中dp和px之间转换的工具类
- 【C++ OpenGL ES 2.0编程笔记】4: 纹理贴图-图片叠加效果实现
- Cocoapods降低版本及卸载
- 前端开发入门:包管理工具bower
- 学习笔记06—电话拨号器
- Android 生成keystore,两种方式
- openGl超级宝典学习笔记 (1)第一个三角形
- 201601
- 屏幕适配相关