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
2401_858120264 小时前
探索sklearn文本向量化:从词袋到深度学习的转变
开发语言·python·机器学习
算法金「全网同名」5 小时前
算法金 | 一个强大的算法模型,GPR !!
机器学习
江畔柳前堤5 小时前
CV01_相机成像原理与坐标系之间的转换
人工智能·深度学习·数码相机·机器学习·计算机视觉·lstm
码上飞扬5 小时前
深度解析:机器学习与深度学习的关系与区别
人工智能·深度学习·机器学习
别致的SmallSix6 小时前
集成学习(一)Bagging
人工智能·机器学习·集成学习
逆境清醒7 小时前
开源数据科学平台Anaconda简介
人工智能·python·深度学习·机器学习·anaconda
zhangbin_2378 小时前
【Python机器学习】模型评估与改进——多分类指标
人工智能·python·算法·机器学习·支持向量机·分类
哥廷根数学学派9 小时前
均匀采样信号的鲁棒Savistky-Golay滤波(MATLAB)
开发语言·人工智能·算法·机器学习·支持向量机·matlab
哥廷根数学学派9 小时前
基于蜉蝣优化的聚类算法(MATLAB)
人工智能·神经网络·算法·机器学习·matlab·数据挖掘·聚类
AndrewPerfect9 小时前
深度学习之交叉验证
人工智能·深度学习·机器学习