机器学习知识点查漏补缺（逻辑回归）
Posted hugh-tan
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习知识点查漏补缺（逻辑回归）相关的知识，希望对你有一定的参考价值。
一、模型概念
逻辑回归将线性函数复合于逻辑斯蒂函数中，用其取值估计分类概率，从而在空间形成超平面对样本点进行分类。
Logistic回归实质：发生概率除以没有发生概率再取对数。就是这个不太繁琐的变换改变了取值区间的矛盾和因变量自变量间的曲线关系。究其原因，是发生和未发生的概率成为了比值 ，这个比值就是一个缓冲，将取值范围扩大，再进行对数变换，整个因变量改变。不仅如此，这种变换往往使得因变量和自变量之间呈线性关系，这是根据大量实践而总结。所以，Logistic回归从根本上解决因变量要不是连续变量怎么办的问题。还有，Logistic应用广泛的原因是许多现实问题跟它的模型吻合。例如一件事情是否发生跟其他数值型自变量的关系。
二、目标优化函数
对于概率模型，采用对数最大似然函数作为目标优化函数：
以上是关于机器学习知识点查漏补缺（逻辑回归）的主要内容，如果未能解决你的问题，请参考以下文章