逻辑回归原理、过程推导、场景适用、参数调整

目录

1、场景

2、原理

(1)手写过程:

3、算法优劣

4、数据质量要求

5、参数


思维导图

逻辑回归原理、过程推导、场景适用、参数调整_第1张图片

 

1、场景

更倾向于2分类问题,及2分类问题的延伸-概率方面点击率问题;

实现多分类理论上可行,但是真正实操的话,把n-1个类归为1类,剩余1类单独归为1类,很容易数据不平衡而导致拟合效果不好,毕竟LR不擅长处理不平衡数据,这样就没啥意义了。

2、原理

(1)手写过程:

 乱的只有自己能看懂。。。

逻辑回归原理、过程推导、场景适用、参数调整_第2张图片

逻辑回归原理、过程推导、场景适用、参数调整_第3张图片

(2)参考:一篇写的很详细的推导,清楚一些

https://blog.csdn.net/jizhidexiaoming/article/details/80591994?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162667995416780261912837%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162667995416780261912837&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-3-80591994.first_rank_v2_pc_rank_v29&utm_term=%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92%E5%81%8F%E5%AF%BC&spm=1018.2226.3001.4187

3、算法优劣

(1)参考:更详细的描述:

https://blog.csdn.net/weixin_39633113/article/details/111296922

4、数据质量要求

5、参数

你可能感兴趣的:(spark大数据分析)