06.逻辑回归

文章目录

Generate Model

假设样本符合高斯分布

即找 μ \mu μ和 σ \sigma σ

优化

共用 Σ \Sigma Σ减少参数,降低过拟合

也称linear model

边界为线性证明

损失函数



比较


逻辑回归不能用均方误差


Generative v.s. Discriminative


Multi-class Classification

逻辑回归的限制

做不了,因为边界是一条直线

可以通过线性变换到另一个线性空间中,重新定义特征向量

自己找线性变换

相关推荐
莫叫石榴姐32 分钟前
数据科学与SQL:组距分组分析 | 区间分布问题
大数据·人工智能·sql·深度学习·算法·机器学习·数据挖掘
ChaseDreamRunner1 小时前
迁移学习理论与应用
人工智能·机器学习·迁移学习
谢眠3 小时前
深度学习day3-自动微分
python·深度学习·机器学习
搏博3 小时前
神经网络问题之一:梯度消失(Vanishing Gradient)
人工智能·机器学习
rellvera3 小时前
【强化学习的数学原理】第02课-贝尔曼公式-笔记
笔记·机器学习
我感觉。4 小时前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
DieYoung_Alive4 小时前
一篇文章了解机器学习(下)
人工智能·机器学习
幻风_huanfeng5 小时前
人工智能之数学基础:线性代数在人工智能中的地位
人工智能·深度学习·神经网络·线性代数·机器学习·自然语言处理
请你喝好果汁6415 小时前
单细胞|M3-4. 细胞聚类与轨迹推断
机器学习·数据挖掘·聚类
Chef_Chen7 小时前
从0开始学习机器学习--Day33--机器学习阶段总结
人工智能·学习·机器学习