逻辑回归

线性回归VS逻辑回归：解析与实战线性回归（Linear Regression）和逻辑回归（Logistic Regression）是机器学习中最基础、最重要的两种监督学习算法。

人工智能培训

AI算法实战：逻辑回归在风控场景中的应用

从原理到实战：逻辑回归，机器学习的“Hello World”提到机器学习，很多人会立刻想到复杂的神经网络和各种“高大上”的模型。但今天，我想和你聊聊这个领域里最经典、最基础，同时也最实用的算法之一——逻辑回归（Logistic Regression）。它就像是编程世界里的“Hello World”，是每个机器学习爱好者的必修课。

逻辑回归实战（一）：用户流失预测数据集设计，KingbaseES存储标签数据——别让“模糊的业务定义”，毁掉你精心训练的分类模型大家好，我是那个总在模型上线前被问“流失到底怎么算？”、又在 KES 表里翻查用户最后活跃时间的老架构。今天不讲算法，也不调参数——我们解决 AI 落地中一个最基础、却最容易被忽视的问题：

逻辑回归实战（二）：Java + DL4J 实现模型，评估指标（准确率/召回率）计算——别只看“准确率”，你的业务要的是“抓得准”还是“抓得全”？大家好，我是那个总在模型上线前被风控总监问“能不能把高危用户一个不漏地揪出来？”、又在 KES 表里核对每一条误判样本的老架构。上一期我们把用户流失数据干净利落地存进了电科金仓 KingbaseES（KES），标签定义清晰、时间锚点明确、特征快照隔离。

weixin_39544891

draw_tensor2psd.py0126v1import cv2import numpy as npimport mathimport osimport struct

weixin_39544891

draw_tensor2psd.py——0126v2import cv2import numpy as npimport mathimport osimport struct

救救孩子把

63-机器学习与大模型开发数学教程-5-10 最优化在机器学习中的典型应用（逻辑回归、SVM）一句话版：逻辑回归用对数似然（交叉熵）做目标，学到的是概率模型；SVM用间隔最大化做目标，学到的是几何上最“安全”的超平面。两者都是凸优化问题：适合用 GD/SGD、L-BFGS、牛顿-CG、SMO、Pegasos 等方法高效求解。

开开心心_Every

手机PDF处理工具：支持格式转换与批注软件介绍今天给大家推荐这款安卓端的PDFgear应用，作为一款手机端的PDF处理工具，它界面清爽功能齐全，用起来特别顺手。

开开心心_Every

时间自动校准工具：一键同步网络服务器时间软件介绍今天要推荐这款"时间校准工具"，说实话以前我也觉得这种软件没啥用处，直到最近公司电脑系统时间不准导致无法登录，才发现它的重要性。

（；￣ェ￣）。

机器学习入门（十一）逻辑回归，分类问题评估混淆矩阵四个指标• 真实值是正例的样本中，被分类为正例的样本数量有多少，叫做真正例（TP，True Positive）

第一章：线性回归& 逻辑回归目录一、回归问题二、线性回归的通俗解释三、线性回归的数学形式四、误差的引入五、误差的分布假设六、由误差到条件概率

过期的秋刀鱼！

机器学习-带正则化的成本函数-在上一节介绍了如何防止模型过拟合，现在就详细的讲一讲其中的一个办法，正则化今天就详细的讲一下从之前的数据集图象（房价预测）

逻辑回归的对数损失的意思就是：要把 b 乘自己多少次，才能得到 x。更正式一点：也就是说：对数是在“反问指数”。指数：给你 y，算得到 x

过期的秋刀鱼！

机器学习-逻辑回归的成本函数的补充-推导逻辑回顾的成本函数是在输出0和1的两个函数是通过对数函数的变化平移来的先说预测1的成本函数我们要预测1那么说明，在输出0的时候成就就要无限大则得出结论要预测1 成本函数输入1的时候成本为0 成本函数输入0的时候成本无限大对数函数符合逻辑我们叫他-log(f)

逻辑回归中的条件概率这个式子读作：“在已知 x 的条件下，y=1 的概率”。y：要预测的“标签/结果”。在二分类里通常 y∈{0,1}。例：垃圾邮件 y=1，正常邮件 y=0。

机器学习中的逻辑回归想象一下，你在玩一个游戏：根据一些线索，猜一个人是“猫派”还是“狗派”。机器学习里的逻辑回归（Logistic Regression）就是这样一个“猜分类”的算法。它不是用来预测连续的数字（比如房价），而是用来预测“属于哪一类”的概率，比如“是”或“否”、“ spam邮件”还是“正常邮件”。

过期的秋刀鱼！

机器学习-逻辑回归的成本函数要用梯度下降，对模型进行训练，代价函数最好是凸函数，这样用梯度下降优化的时候，可以找到全局最小值，在线性回归中，成本函数是，均方误差，计算预测值和真实值的差值的平方，然后取平均值，来衡量模型的效果，线性回归他是凸函数，可以好到全局最小值，但是逻辑回归则也用这个方法不行，逻辑回归处理的是分类问题，是0-1之间的概率，用均方误差会遇到局部最小值，如图所示，

79~87逻辑回归f最大似然估计MLE：其核心思想是在给定观测数据的前提下，寻找一组参数值，使得这组参数下观测数据出现的概率（即似然函数）最大

声声codeGrandMaster

逻辑回归-泰坦尼克号逻辑回归是深度学习中最基础的分类算法之一，虽然名字里有 “回归”，但它本质上解决的是二分类问题（比如判断 “是垃圾邮件” 或 “不是”、“图像是猫” 或 “不是”）。