机器学习之监督学习-分类
2017-09-03 11:15
381 查看
机器学习之监督学习-分类
一、分类问题概念
分类问题(classification problems)输入特征(input features):x(i) (定义域:实数)
输出(output):y(i) (值域:离散值)
模型参数(model parameters):θ
参考网址:http://blog.csdn.net/zhulf0804/article/details/52198823
二、逻辑回归
逻辑回归是一种类似于线性回归的算法。但从本质上看,线型回归处理的问题类型与逻辑回归不一致。线性回归处理预测的是连续数值问题,比如预测房价。而逻辑回归属于分类算法,即逻辑回归预测结果是离散的分类,例如判断邮件是否是垃圾邮件。逻辑回归的实现方法:对线性回归的计算结果加上了一个 sigmoid 函数,将线性回归结果数值结果转化为了0到1之间的概率。接着可以根据概率值做分类预测,如概率大于0.5,则这封邮件就是垃圾邮件。从直观上来说,逻辑回归是画出了一条分类线,逻辑回归算法划出的分类线基本都是线性的。
相关文章推荐
- 【Todo】【转载】Spark学习 & 机器学习(实战部分)-监督学习、分类与回归
- 【机器学习】从分类问题区别机器学习类型 与 初步介绍无监督学习算法 PAC
- 【机器学习】监督学习:分类和回归
- 机器学习相关内容介绍,包括有监督、无监督学习,线性回归分类问题等
- 【机器学习】python实践笔记 -- 经典监督学习模型之分类学习模型
- 机器学习--有监督学习和无监督学习
- 机器学习基础篇--监督学习经典案例(Python实现)
- 机器学习之分类学习(性能分析)
- 机器学习笔记二:监督学习应用:梯度下降
- 机器学习->监督学习->线性回归(LASSO,Ridge,SGD)
- × 我的机器学习笔记(一) - 监督学习vs 无监督学习
- 机器学习相关定义(更新完监督学习)
- [机器学习入门] 李弘毅机器学习笔记-17(Unsupervised Learning: Deep Auto-encoder;无监督学习:深度自动编码器)
- 机器学习-监督学习-cost function
- Machine Learning(Stanford)| 斯坦福大学机器学习笔记--第一周(1.监督学习与无监督学习的介绍)
- 有监督学习、无监督学习、分类、聚类、回归等概念
- 人工智能,机器学习,深度学习算法,深度学习遥感分类研究者
- 机器学习(一)--- 监督学习之回归
- 从软件工程的角度写机器学习3——主要监督学习算法的工程性分析
- 机器学习 监督学习和无监督学习