逻辑回归
回归和分类的区别
输入变量与输出变量均为连续变量的预测问题是回归问题,输出变量为有限个离散变量的预测问题成为分类问题.
所以逻辑回归其实是一个分类问题
把回归函数掰弯
怎么搞，使用sigmoid，为啥使用这个，来先看完
吐槽一下，鲁棒性就离谱，真就不想让人望文生义呗
选定阈值
用马克思的话来说：具体情况具体分析，不过范围涉是0到1
最大似然估计
就是知道结果然后去求节参数，具体公式，使用概率论中求解似然函数的公式就可以求解出来。u1s1，这个函数真牛逼
求解交叉熵损失函数
其实就是使用梯度下降：步骤：
? 1-随机一组W.
? 2-将W带入交叉熵损失函数,让得到的点沿着负梯度的方向移动.
? 3-循环第二步.
求解梯度部分同样是对损失函数求偏导,过程如下
使用线性模型进行分类第一个要面对的问题就是如何降低离群值的影响,而第二大问题就是,在正负例数据比例相差悬殊时预测效果不好.为什么会出现这种情况呢?原因来自于逻辑回归交叉熵损失函数是通过最大似然估计来推导出的.
手动推导
