-
2022-10-28
查看全部 -
分類算法
分類學習的基本概念
建立模型邏輯：
類別并非男和女，而是女和非女，因為不清楚分類總和是否全體，所以采用A和非A作為分類。
評價指標
正確率，代表在整體中識別正確的幾率
精度：數(shù)據(jù)輸出的正確率
召回率：輸入的數(shù)據(jù)能夠識別出來的正確率
F1 score 是精度和召回率的調(diào)和平均值
邏輯回歸? ：logistic回歸（LR） 邏輯回歸是一種廣義的線性回歸分析模型
常用于數(shù)據(jù)挖掘、疾病自動診斷、經(jīng)濟預測等等領(lǐng)域。
邏輯回歸算法的優(yōu)缺點
優(yōu)點：思路清晰簡單易實現(xiàn)，實現(xiàn)代價低
缺點：只能處理線性問題，對于非線性問題的擬合度、精度低
上圖為sigmoid函數(shù)
一般來說，在二維空間的線性變換下，z = ax + b? ，同理 w^T在此也是系數(shù)矩陣，系數(shù)矩陣乘以特征向量加上常量，常量b可以加到w^T矩陣里面，省略不寫b
sigmoid函數(shù)的圖像：
邏輯回歸的模型就是每個特征的回歸系數(shù)，即W^T
特征：線性分類，不進行特別處理，無法處理非線性的問題
通過訓練數(shù)據(jù)集，計算出最合適的系數(shù)向量，即W^T，最合適即是指錯誤概率最低的情況
應用：邏輯回歸是分類算法的經(jīng)典算法
查看全部 -
邏輯回歸，是監(jiān)督學習里面的分類所使用的最經(jīng)典算法
監(jiān)督學習? 使模型對給定的輸入，能夠映射預測的結(jié)果，使用有標記的數(shù)據(jù)。
非監(jiān)督學習? ?直接對沒標記的訓練數(shù)據(jù)進行建模學習，使用無標記的數(shù)據(jù)。
查看全部 -
邏輯回歸查看全部
-
初始化回歸系數(shù)向量
查看全部 -
測試章節(jié)下多個筆記
查看全部 -
本次學習位置0:31
查看全部 -
邏輯回歸與線性回歸之間的聯(lián)系
查看全部 -
求梯度表達式
查看全部 -
樣本屬于真實標簽的概率表達式
查看全部 -
似然函數(shù)表達式
查看全部 -
Maximum likelihood：
利用已知的樣本結(jié)果，反推最有可能導致這樣結(jié)果的參數(shù)值
查看全部 -
“最合適”，可理解為錯誤概率最低的情況
查看全部 -
邏輯回歸的性質(zhì)：線性分類器，若無特殊處理，無法解決非線性問題；
建模過程：通過訓練數(shù)據(jù)集，計算出“最合適”的系數(shù)向量
查看全部 -
邏輯回歸模型，就是每個特征的回歸系數(shù)，即wT + b
查看全部 -
邏輯回歸表達式；Sigmoid
查看全部 -
混淆矩陣；評價指標
查看全部 -
梯度的計算方法
查看全部
舉報