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

感知机(Perceptron)

机器学习:逻辑回归(基础理解)

关于通过神经网络进行回归预测的知识总结整理

机器学习基础09DAY

AI之旅:初识逻辑回归

机器学习基础:理解逻辑回归及二分类多分类代码实践