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