逻辑回归为啥用最大似然估计求解

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了逻辑回归为啥用最大似然估计求解相关的知识,希望对你有一定的参考价值。

参考技术A 极大似然估计法是求估计的另一种方法。它最早由高斯提出。后来为费歇在1912年的文章中重新提出,并且证明了这个方法的一些性质。极大似然估计这一名称也是费歇给的。这是一种上前仍然得到广泛应用的方法。它是建立在极大似然原理的基础上的一个统计方法,极大似然原理的直观想法是:一个随机试验如有若干个可能的结果A,B,C,…。若在一次试验中,结果A出现,则一般认为试验条件对A出现有利,也即A出现的概率很大。本回答被提问者采纳

逻辑回归

一、二项分布

p(x)=p^x*(1-p)^(1-x)

二、极大似然估计

极大似然估计,通俗理解来说,就是利用已知的样本结果信息,反推最具有可能(最大概率)导致这些样本结果出现的模型参数值

 

 

 

 

 

 

 

 

 

 

 

参考博客:1、一文搞懂极大似然估计

以上是关于逻辑回归为啥用最大似然估计求解的主要内容,如果未能解决你的问题,请参考以下文章

从最大似然估计的角度理解线性回归和逻辑回归

从最大似然估计的角度理解线性回归和逻辑回归

从最大似然估计的角度理解线性回归和逻辑回归

机器学习 | Logistic Regression(逻辑回归)中的损失函数

机器学习 | Logistic Regression(逻辑回归)中的损失函数

逻辑回归代价函数的详细推导