您的位置:首页 > 其它

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。
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: