机器学习模型:逻辑回归之计算概率

许多问题需要将概率估算值作为输出。 逻辑回归是 一种极其高效的概率计算机制。实际上,您可以通过以下两种方式使用返回的概率:

  • 按原样"应用。例如,如果垃圾邮件预测模型将电子邮件视为 输入并输出值 0.932,这表示概率为 93.2% 电子邮件是垃圾邮件。

  • 转换为二元类别,例如 True 或 False、Spam 或 Not Spam。

本单元重点介绍如何按原样使用逻辑回归模型输出。在"分类" 模块中,您将学习如何将此输出转换为二元类别。

▏S型函数****

您可能想知道逻辑回归模型如何确保其输出表示概率,始终输出介于 0 到 1 之间的值。由于 会发生一系列函数,这些函数称为逻辑函数 其输出具有相同的特征。标准逻辑函数, 也称为 S型函数sigmoid表示"s形"),其 公式:

f(x)=1/1+e−x

图 1 显示了 sigmoid 函数的相应图表。

- 图 1 -

S 型函数的图形。曲线接近 0 因为 x 值减少到负无穷大,而 1 则等于 x 值越接近无穷大。

随着输入 x 的增加,sigmoid 函数的输出会接近 1,但永远不会达到 1。同样,当输入值减小时,S 型函数值 函数的输出接近,但永远不会达到 0。

▏Sigmoid 函数背后的数学原理

使用 S 型函数转换线性输出

以下等式表示逻辑回归模型的线性组件:

z=b+w1x1+w2x2+...+wNxN

其中:

  • z 是线性方程的输出(也称为 对数几率)

  • b 是偏差

  • w 的值是模型学习的权重

  • x 的值是特定样本的特征值

要获得逻辑回归预测结果,请将 z 值传递给 S 型函数,将得到一个介于 0 到 1之间的值(概率):

y′=1/1+e−z

其中:

  • y′ 是逻辑回归模型的输出。

  • z 为线性输出(按上述等式计算得出)。

▏对数几率

图 2 说明了如何将线性输出转换为逻辑回归 输出结果。

- 图 2 -

左图:线性函数 z = 2x + 5,包含三个 突出显示的数据点

右图:三个点相同的 S 型曲线 通过 S 型函数转换后突出显示。

在图 2 中,线性方程会成为 S 型函数的输入,该函数会将直线弯曲成 S 形。请注意,线性方程 可以输出非常大或非常小的 z 值,但 S 型函数的输出 函数 y' 始终介于0 和 1 之间(不含 0 和 1)。例如,左侧图表中的黄色方块的 z 值为 -10,但右侧图表中的 S 型函数会将该 -10 映射为 y' 值0.00004。

相关推荐
朱包林几秒前
day45-nginx复杂跳转与https
linux·运维·服务器·网络·云计算
孙克旭_2 分钟前
day045-nginx跳转功能补充与https
linux·运维·nginx·https
美狐美颜sdk1 小时前
跨平台直播美颜SDK集成实录:Android/iOS如何适配贴纸功能
android·人工智能·ios·架构·音视频·美颜sdk·第三方美颜sdk
DeepSeek-大模型系统教程2 小时前
推荐 7 个本周 yyds 的 GitHub 项目。
人工智能·ai·语言模型·大模型·github·ai大模型·大模型学习
郭庆汝2 小时前
pytorch、torchvision与python版本对应关系
人工智能·pytorch·python
IT古董2 小时前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(3)决策树分类器
神经网络·算法·机器学习
Hacker_Oldv2 小时前
软件测试(功能、工具、接口、性能、自动化、测开)详解
运维·自动化
Java樱木2 小时前
使用字节Trae + MCP,UI 到网页自动化。
运维·自动化
小雷FansUnion4 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
资讯分享周4 小时前
扣子空间PPT生产力升级:AI智能生成与多模态创作新时代
人工智能·powerpoint