思维策略网 > > 思维学习 > 机器学习中的逻辑回归到底是回归还是分类

机器学习中的逻辑回归到底是回归还是分类

来源:https://www.sivi8.com 时间:2024-06-08 编辑:admin 手机版

一、机器学习中的逻辑回归到底是回归还是分类

逻辑回归:y=sigmoid(w'x)

线性回归:y=w'x

也就是逻辑回归比线性回归多了一个sigmoid函数,sigmoid(x)=1/(1+exp(-x)),其实就是对x进行归一化操作,使得sigmoid(x)位于0~1

逻辑回归通常用于二分类模型,目标函数是二类交叉熵,y的值表示属于第1类的概率,用户可以自己设置一个分类阈值。

线性回归用来拟合数据,目标函数是平法和误差

二、为什么logistic(逻谛斯特回归)在机器学习中这么重要?难道现实世界中很多现象服从这种回归吗?

logistic regression(逻谛斯特回归)其实不是一种回归方法,而是一种二分类方法,它的好处是用logistic函数使得0,1分类与参数的关系光滑,从而要优化的表达式是存在导数的。使用logistic regression是因为其能近似分类的阶梯函数,同时是光滑的。

三、用scikit-learn构建逻辑回归,怎么查看模型系数的显著性

恭喜你意识到了sklearn的本质。答案是无法查看,因为sklearn是一个机器学习库而非统计库。

对于做机器学习的人来说,显著性根本不重要,只要在test score高就行了。真要去掉不怎么相关的feature的话,就加L1 regularization

最近更新

思维学习排行榜精选