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
拓端研究室36 分钟前
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LingzhiAI40 分钟前
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200644 分钟前
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
SHIPKING3932 小时前
【机器学习&深度学习】什么是下游任务模型?
人工智能·深度学习·机器学习
子燕若水6 小时前
Unreal Engine 5中的AI知识
人工智能
极限实验室7 小时前
Coco AI 实战(一):Coco Server Linux 平台部署
人工智能
杨过过儿7 小时前
【学习笔记】4.1 什么是 LLM
人工智能
巴伦是只猫7 小时前
【机器学习笔记Ⅰ】13 正则化代价函数
人工智能·笔记·机器学习
大千AI助手7 小时前
DTW模版匹配:弹性对齐的时间序列相似度度量算法
人工智能·算法·机器学习·数据挖掘·模版匹配·dtw模版匹配
AI生存日记7 小时前
百度文心大模型 4.5 系列全面开源 英特尔同步支持端侧部署
人工智能·百度·开源·open ai大模型