引入
如上图,给定x,x是指含有某一个特定事物的多个特征组成的向量, P ( y = 1 ∣ x ) P(y=1|x) P(y=1∣x)是指在x的情况下,y被判定为1的概率。
简言之,就是在知道多个特征的情况下,将某某东西猜成是某一个特定事物的概率。
线性回归的局限性
线性回归算出来的值并不是一个介于0到1的值,并不适合去作为一个概率来使用。
优化------sigmoid函数
将值回归到介于0和1之间的范围。
形式上的优化
将向量内积+常数的形式统一成向量内积的形式。
如上图,给定x,x是指含有某一个特定事物的多个特征组成的向量, P ( y = 1 ∣ x ) P(y=1|x) P(y=1∣x)是指在x的情况下,y被判定为1的概率。
简言之,就是在知道多个特征的情况下,将某某东西猜成是某一个特定事物的概率。
线性回归算出来的值并不是一个介于0到1的值,并不适合去作为一个概率来使用。
将值回归到介于0和1之间的范围。
将向量内积+常数的形式统一成向量内积的形式。