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
数字时代全景窗6 分钟前
商业航天与数字经济(一):从4G、5G得与失,看6G时代商业航天如何成为新经济引擎?
大数据·人工智能·5g
F_D_Z1 小时前
【一文理解】下采样与上采样区别
人工智能·深度学习·计算机视觉
CiLerLinux1 小时前
第三十五章 ESP32S3 摄像头实验
图像处理·人工智能·计算机视觉
진영_1 小时前
深度学习打卡第N8周:使用Word2vec实现文本分类
人工智能·深度学习·word2vec
飞哥数智坊2 小时前
Linus 眼中,编程 AI 的真实价值如何?
人工智能·ai编程
用户5191495848452 小时前
Oracle云基础设施强势崛起:AI驱动的新一代云计算竞争格局
人工智能·aigc
evo-master2 小时前
linux问题10--克隆后ip地址和源linux主机相同
linux·运维·服务器
sayhi_yang2 小时前
服务器上搭建支持GPU的DL+LLM Docker镜像
运维·服务器·docker
盼小辉丶3 小时前
视频生成技术Deepfake
人工智能·深度学习·计算机视觉·keras·生成模型
影子鱼Alexios3 小时前
机器人、具身智能的起步——线性系统理论|【二】状态空间方程的解
算法·机器学习·机器人