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
forest_092 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区3 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔3 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区4 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1234 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI4 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健4 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV5 小时前
Google 重返第一梯队
人工智能·google·aigc
十有八七5 小时前
手搓 Agent(五):学会翻书——RAG,先查资料再回答
前端·人工智能·后端