“6.1算法原理”的版本间的差异
来自CloudWiki
(未显示同一用户的1个中间版本) | |||
第1行: | 第1行: | ||
一.逻辑回归基本概念 | 一.逻辑回归基本概念 | ||
+ | |||
1. 什么是逻辑回归? | 1. 什么是逻辑回归? | ||
*逻辑回归就是这样的一个过程:面对一个回归或者分类问题,建立代价函数,然后通过优化方法迭代求解出最优的模型参数,然后测试验证我们这个求解的模型的好坏。 | *逻辑回归就是这样的一个过程:面对一个回归或者分类问题,建立代价函数,然后通过优化方法迭代求解出最优的模型参数,然后测试验证我们这个求解的模型的好坏。 | ||
第7行: | 第8行: | ||
2. 逻辑回归的优缺点 | 2. 逻辑回归的优缺点 | ||
优点: | 优点: | ||
+ | |||
1)速度快,适合二分类问题 | 1)速度快,适合二分类问题 | ||
+ | |||
2)简单易于理解,直接看到各个特征的权重 | 2)简单易于理解,直接看到各个特征的权重 | ||
+ | |||
3)能容易地更新模型吸收新的数据 | 3)能容易地更新模型吸收新的数据 | ||
+ | |||
缺点: | 缺点: | ||
+ | |||
对数据和场景的适应能力有局限性,不如决策树算法适应性那么强 | 对数据和场景的适应能力有局限性,不如决策树算法适应性那么强 | ||
2018年5月27日 (日) 14:02的最新版本
一.逻辑回归基本概念
1. 什么是逻辑回归?
- 逻辑回归就是这样的一个过程:面对一个回归或者分类问题,建立代价函数,然后通过优化方法迭代求解出最优的模型参数,然后测试验证我们这个求解的模型的好坏。
- Logistic回归虽然名字里带“回归”,但是它实际上是一种分类方法,主要用于两分类问题(即输出只有两种,分别代表两个类别)
- 回归模型中,y是一个定性变量,比如y=0或1,logistic方法主要应用于研究某些事件发生的概率
2. 逻辑回归的优缺点 优点:
1)速度快,适合二分类问题
2)简单易于理解,直接看到各个特征的权重
3)能容易地更新模型吸收新的数据
缺点:
对数据和场景的适应能力有局限性,不如决策树算法适应性那么强
3. 逻辑回归用途
寻找危险因素:寻找某一疾病的危险因素等; 预测:根据模型,预测在不同的自变量情况下,发生某病或某种情况的概率有多大; 判别:实际上跟预测有些类似,也是根据模型,判断某人属于某病或属于某种情况的概率有多大,也就是看一下这个人有多大的可能性是属于某病。