zoukankan      html  css  js  c++  java
  • 机器学习——06.逻辑回归

    1.用自己的话描述一下,什么是逻辑回归,与线性回归对比,有什么不同?

      简单来说, 逻辑回归是一种用于解决二分类问题的机器学习方法,用于估计某种事物的可能性。逻辑回归与线性回归都是一种广义线性模型。逻辑回归假设因变量 y 服从伯努利分布,而线性回归假设因变量 y 服从高斯分布。可以说,逻辑回归是以线性回归为理论支持的,但是逻辑回归通过Sigmoid函数引入了非线性因素,因此可以轻松处理0/1分类问题。

      简而言之,他们的区别在于输出变量的类型不一样,线性回归偏向于预测,逻辑回归偏向于分类

     

    2.自述一下什么是过拟合和欠拟合?

      过拟合是指为了得到一致假设而使假设变得过度严格。避免过拟合是分类器设计中的一个核心任务。通常采用增大数据量和测试样本集的方法对分类器性能进行评价。即原始特征过多且存在一些嘈杂特征模型过于复杂,要进行特征选择、交叉验证及正规化。

      机器学习中一个重要的话题便是模型的泛化能力,泛化能力强的模型才是好模型,对于训练好的模型,若在训练集表现差,在测试集表现同样会很差,这可能是欠拟合导致。欠拟合是指模型拟合程度不高,数据距离拟合曲线较远,或指模型没有很好地捕捉到数据特征,不能够很好地拟合数据。即学习到的特征太少要增加数据的特征数量。

        两者之间的区别如下图:

        具体表现如下图:

      概念上,欠拟合与机器学习算法无法从初始训练数据中推断出有效知识有关。与此相反,过拟合与创建的假设过于普通或抽象而又不切实际的假设模型有关。简单来说,欠拟合模型过于简单,而过拟合模型往往会产生错觉(想象不存在的东西)过于复杂

     

    3.思考一下逻辑回归的应用场景有哪些?

    ①根据某一株植物的特征。判断该植物属于哪一个品种

    ②垃圾分类,根据某一个垃圾的特征分析改垃圾属于哪一类垃圾。

    ③判断肿瘤的类型

    ④广告点击率

    ⑤是否为垃圾邮件

    ......

  • 相关阅读:
    SharePoint 2013 安装.NET Framework 3.5 报错
    SharePoint 2016 配置工作流环境
    SharePoint 2016 站点注册工作流服务报错
    Work Management Service application in SharePoint 2016
    SharePoint 2016 安装 Cumulative Update for Service Bus 1.0 (KB2799752)报错
    SharePoint 2016 工作流报错“没有适用于此应用程序的地址”
    SharePoint 2016 工作流报错“未安装应用程序管理共享服务代理”
    SharePoint JavaScript API in application pages
    SharePoint 2016 每天预热脚本介绍
    SharePoint 无法删除搜索服务应用程序
  • 原文地址:https://www.cnblogs.com/lcj170/p/12772639.html
Copyright © 2011-2022 走看看