2021李宏毅机器学习笔记--6 logistic regression逻辑回归（一种分类方法）

摘要

logistic regression 逻辑回归虽然他的名字中带有“回归”，但是实际上它是一种分类方法，与之前学习的线性回归是不同的。

步骤

step1 Function Set

求和所有的参数w和x的乘积，加上b就是z的值，然后sigmoid z，就得到了概率值。

step2 Goodness of a Function

怎么判断一个函式的好坏？假设训练集是第一步得出的函式模型产生的数据，那么怎么看一个函式有多好呢？有这样一个公式，把所有的概率值乘起来看数值大小。这样可以找到一组最好的w和b。

我们为了以后方便计算与以后的知识相联系，将此处的计算式换一种方法表达。

step3 Find the best function

根据上述函式选择出最好的函式。计算的时候用偏微分计算。

小结及展望

本节介绍的是logistic regression逻辑回归。但是他与之前学习的线性回归不同，虽然也带有回归二字，但是它是一种分类方法。与线性回归不同的是，在建立函式时逻辑回归的输出是0–1之间的数，但是线性回归可能输出任何值，而且逻辑回归的预测值只有0和1，但是线性回归可以是任意值。逻辑回归是机器学习最常用的方法之一，在日后的学习中我们将继续学习。