关于逻辑回归和感知器一些基础知识的理解
Posted 拂石
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了关于逻辑回归和感知器一些基础知识的理解相关的知识,希望对你有一定的参考价值。
1.贝叶斯学派和频率学派
在数理统计领域,贝叶斯学派和频率学派两派争论已久,关于两派的具体思想不做深入研究,仅探讨它们在机器学习中的一点粗浅的应用。
机器学习中的朴素贝叶斯方法和逻辑回归相比,朴素贝叶斯判据需要一个事件的先验概率和相应的类条件概率,可用贝叶斯公式看出。
而逻辑回归,使用的是最大似然的思想,它不考虑条件的先验分布,将其视为均匀的分布。通过sigmod函数,将数量转化为概率,然后通过
概率的独立分布,进而得到代价函数。其实它实质上还是一个超平面分类器,只不过代价函数不直接显式得由样本到平面的距离范数来度量,
不过还是可以转化为这种形式。
2.感知器和逻辑回归
其实,对于二分类问题,线性的分类器都是寻找一个最优的超平面进行划分。只不过代价函数、分类函数有所区别。
从感知器发展,进而产生了逻辑回归和SVM的思想。感知器由于阶跃的分类函数在原点处不可导,进而产生了用sigmod代替的逻辑回归。最后,
发展出了判定最优超平面的SVM方法。
以上是关于关于逻辑回归和感知器一些基础知识的理解的主要内容,如果未能解决你的问题,请参考以下文章