zoukankan      html  css  js  c++  java
  • 初识机器学习_05 Logistic回归

      算法思想:根据现有数据对分类边界建立回归公式,以此分类。

           训练分类器的做法就是寻找最佳拟合参数,使用最优化算法。

      特点:大部分时间用于训练(确定参数),在确定参数以后分类将会很快

      基于Logistic回归和Sigmoid函数分类:

        优点:计算代价不高,易于理解和实现。

        缺点:容易欠拟合,分类精度可能不高。

        适用数据类型:数值型和标称型数据。

        为了实现Logistic回归分类器,我们在每个特征上都乘以一个回归系数,然后求和值为Z,将Z带入Sigmoid函数中,进而得到一个值,四舍五入,即得出分类结果。

        回归系数的确定方法:

                  梯度上升法,

                  梯度下降法

                  随机梯度上升法(在线学习算法)

  • 相关阅读:
    van Emda Boas
    斐波那契堆
    NTT
    FFT
    KDTree
    扩展kmp
    kmp
    Dancing Links
    树的prufer编码
    有向图最小路径覆盖
  • 原文地址:https://www.cnblogs.com/govin/p/3687333.html
Copyright © 2011-2022 走看看