逻辑回归的基本步骤

Posted 2022-03-04 csfreebird

2 逻辑回归的基本步骤

这也是一般机器学习的解决思路

2.1 获取样本

1. 这些样本都有实测结果
   1 或者 0 表示事件发生或者不发生
2. 样本的数量要足够否则会造成过拟合，或者训练效果不好
3. 样本的准确性要有保证

2.2 选择逻辑回归公式作为预测函数

下面的 h 函数就是预测函数,g 函数就是逻辑回归公式, 也就是12

hθ(x)=g(θTx)=11+e−θTx(1)

• 预测函数的输入是 x 向量和 θ

向量

• x 向量就是特征值向量
• θ

向量就是特征的权重, θ0

• • 就是 Inteception, 多元线性函数的截距
• 输出是事件发生的概率

2.3 对比预测结果和实测结果，获得最佳 θ

寻找让预测结果最接近实测结果的 θ

通常作法就是使用 最（极）大似然估计计算 θ

2.4 用 θ

对新的 x 向量作预测