逻辑回归原理
Posted keye
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原理相关的知识,希望对你有一定的参考价值。
来自:刘建平
逻辑回归是分类算法,可以处理二元分类和多元分类。
名字里有“回归”二字,但不是回归算法。为什么名字有“回归”这个误导词?因为它的原理有回归模型的影子。
1. 从线性回归到逻辑回归
线性回归模型是求Y和X之间的线性关系系数Θ,满足Y= XΘ。此时Y是连续的,所以是回归模型。
Y是离散的话,对Y再做一次函数转换,变为g(Y)。如果g(Y)结果类别是两种,就是二元分类模型。
2. 二元逻辑回归的模型
对线性回归的结果做函数g的转换,变为逻辑回归。g一般取sigmoid函数:
取sigmoid函数,主要因为两个性质:
- 当z趋于正无穷时,g(z)趋于1,当z趋于负无穷,g(z)趋于0。
- (导数性质)
令g(z)中的z为:z = xΘ,得到二元逻辑回归模型一般形式:
其中x为样本输入,hΘ(x)为模型输出,可以是某一分类的概率大小。hΘ(x)和二元分类样本y(假设为0和1)有这样对应关系,如果hΘ(x)>0.5,即xΘ>0,则y为1。如果hΘ(x)<0.5,即xΘ<0,则y为0。y = 0.5是临界情况,此时xΘ=0,无法确定分类。
hΘ(x)值越小,分类为0的概率越高;值越大,分类为1的概率越高。靠近临界点,分类准确率会下降。
模型的矩阵模式:
其中hΘ(X)为模型输出,m*1维度。X为样本特征矩阵,为m*m维度。Θ为模型系数,为n*1的向量。
hθ(x)
以上是关于逻辑回归原理的主要内容,如果未能解决你的问题,请参考以下文章