iT邦幫忙

2021 iThome 鐵人賽

DAY 3
0
AI & Data

我比機器更需要學習系列 第 3

Day3 邏輯斯迴歸(Logistic Regression)

  • 分享至 

  • xImage
  •  

邏輯斯迴歸是什麼?

講人話就是一種對數機率模型,主要用來處理二元[非此即彼(Yes or No)]分類問題。

淺談邏輯斯迴歸

邏輯斯迴歸是將線性函數的結果映射到Sigmoid函數之中,就可以得出將數值對應到適當分類的模型。假設我今天想運用邏輯斯迴歸自動判斷垃圾郵件,就可以以0.5當作界線,將大於0.5的值就當作1(是垃圾郵件),小於0.5的值就當作0(不是垃圾郵件)。至於線性迴歸與邏輯斯迴歸有什麼不同?前者是迴歸問題,預測的值是連續性的;後者是分類問題(雖然它的名字有迴歸),預測的值則是離散性的,但是,線性迴歸與邏輯斯迴歸還是有相同的地方,就是都使用相同的求解步驟:

(一)找出預測函數(Hypothesis Function)
(二)建構損失函數(Cost Function)
(三)損失函數最小化[通常使用梯度下降法(Gradient Descent)]


上一篇
Day2 線性迴歸(Linear Regression)
下一篇
Day4 決策樹(Decision tree)
系列文
我比機器更需要學習23
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言