ai-3、机器学习之逻辑回归

机器学习之逻辑回归

1、分类问题


分类问题常用的算法:逻辑回归





y=0 :垃圾邮件

y=1:正常邮件

准确来说是分类任务与线性回归任务的区别

2、逻辑回归

2.1、二分类问题线性回归



分类任务可以尝试建立线性回归模型,找出y=ax+b的函数表达式

已知10个点建立线性回归模型

(-5,0) (-4,0) (-3,0) (-2,0) (-1,0)

(1,1) (2,1) (3,1) (4,1) (5,1)

复制代码
import numpy as np
from sklearn.linear_model import LinearRegression
# 获取数据
x = np.array([-5, -4, -3, -2, -1, 1, 2, 3, 4, 5])
X = x.reshape(-1, 1)
y = np.array([0,0,0,0,0,1,1,1,1,1])
# 寻找a、b(y = ax + b)
lr_model = LinearRegression()
lr_model.fit(X,y)

# 展示a、b
a = lr_model.coef_
b = lr_model.intercept_

#打印系数a和截距b
print("斜率a",a)
print("截距b",b)


当y>=0.5时y=1

y<0.5时,y=0.

似乎y=0.1364x+0.5适用了。

但是线性回归的局限性也大

复制代码
import numpy as np
from sklearn.linear_model import LinearRegression
# 获取数据
x = np.array([-5, -4, -3, -2, -1, 1, 2, 3, 4, 5,50])
X = x.reshape(-1, 1)
y = np.array([0,0,0,0,0,1,1,1,1,1,1])
# 寻找a、b(y = ax + b)
lr_model = LinearRegression()
lr_model.fit(X,y)

# 展示a、b
a = lr_model.coef_
b = lr_model.intercept_

#打印系数a和截距b
print("斜率a",a)
print("截距b",b)

当x=1时代入方程式。结果发现y=0.49<0.5.所以y=0.错了

因此不能用线性回归

用逻辑回归

2.2、二分类问题逻辑回归



相关推荐
G.E.N.2 分钟前
开源!RAG竞技场(2):标准RAG算法
大数据·人工智能·深度学习·神经网络·算法·llm·rag
西西弗Sisyphus11 分钟前
如果让计算机理解人类语言- Word2Vec(Word to Vector,2013)
人工智能·word·word2vec
前端双越老师35 分钟前
30 行代码 langChain.js 开发你的第一个 Agent
人工智能·node.js·agent
东坡肘子1 小时前
高温与奇怪的天象 | 肘子的 Swift 周报 #092
人工智能·swiftui·swift
KaneLogger1 小时前
视频转文字,别再反复拖进度条了
前端·javascript·人工智能
度假的小鱼1 小时前
从 “人工编码“ 到 “AI 协同“:大模型如何重塑软件开发的效率与范式
人工智能
zm-v-159304339862 小时前
ArcGIS 水文分析升级:基于深度学习的流域洪水演进过程模拟
人工智能·深度学习·arcgis
拓端研究室3 小时前
视频讲解|核密度估计朴素贝叶斯:业务数据分类—从理论到实践
人工智能·分类·数据挖掘
灵智工坊LingzhiAI3 小时前
人体坐姿检测系统项目教程(YOLO11+PyTorch+可视化)
人工智能·pytorch·python
昨日之日20063 小时前
Video Background Remover V3版 - AI视频一键抠像/视频换背景 支持50系显卡 一键整合包下载
人工智能·音视频