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
Albert_Lsk1 分钟前
【2025/07/28】GitHub 今日热门项目
人工智能·开源·github·开源协议
文火冰糖的硅基工坊3 分钟前
[机缘参悟-237]:AI人工神经网络与人类的神经网络工作原理的相似性
人工智能·深度学习·神经网络
绿算技术9 分钟前
绿算技术携手昇腾发布高性能全闪硬盘缓存设备,推动AI大模型降本增效
人工智能·云计算
诗酒当趁年华1 小时前
【NLP实践】三、LLM搭建中文知识库:提供RestfulAPI服务
人工智能·自然语言处理
SHIPKING3933 小时前
【机器学习&深度学习】制作数据集
人工智能
Ronin-Lotus8 小时前
深度学习篇---剪裁&缩放
图像处理·人工智能·缩放·剪裁
cpsvps9 小时前
3D芯片香港集成:技术突破与产业机遇全景分析
人工智能·3d
国科安芯10 小时前
抗辐照芯片在低轨卫星星座CAN总线通讯及供电系统的应用探讨
运维·网络·人工智能·单片机·自动化
AKAMAI10 小时前
利用DataStream和TrafficPeak实现大数据可观察性
人工智能·云原生·云计算
Ai墨芯11110 小时前
深度学习水论文:特征提取
人工智能·深度学习