機器學習模型—邏輯回歸

邏輯回歸是一種用于分類任務的監(jiān)督機器學習算法，其目標是預測實例屬于給定類別的概率。邏輯回歸是一種分析兩個數據因素之間關系的統(tǒng)計算法。本文探討了邏輯回歸的基礎知識、類型和實現。

什么是邏輯回歸

邏輯回歸用于二元分類，其中我們使用sigmoid 函數，它將輸入作為自變量并產生 0 到 1 之間的概率值。

例如，我們有兩個類 0 類和 1 類，如果輸入的邏輯函數值大于 0.5（閾值），那么它屬于 1 類，它屬于 0 類。它被稱為回歸，因為它是線性回歸的擴展，但主要用于分類問題。

關鍵點：

• 邏輯回歸預測分類因變量的輸出。因此，結果必須是分類值或離散值。
• 它可以是“是”或“否”、0 或 1、真或假等，但它不是給出 0 和 1 等精確值，而是給出介于 0 和 1 之間的概率值。
• 在邏輯回歸中，我們不擬合回歸線，而是擬合“S”形邏輯函數，該函數預測兩個最大值（0 或 1）。

Logistic 函數 – Sigmoid

• sigmoid 函數是用于將預測值映射到概率的數學函數。
• 它將任何實值映射為0到1范圍內的另一個值。邏輯回歸的值必須在0到1之間，不能超出這個限制，因此形成了類似“S”形式的曲線。
• S形曲線稱為Sigmoid函數或邏輯函數。
• 在邏輯回歸中，我們使用閾值的概念，它定義0或1的概率。例如高于閾值的值趨于1，低于閾值的值趨于0。