logistic_regression
logistic_regression 回归处理预测模型技术。 它显示了独立变量(也称为预测变量)或因变量或目标值之间的关系。 当输出为分类格式(例如yes / no,1或0,true或false,高或低)时,将进行逻辑回归。 与线性回归一样,我们获得的输出值在较大范围内,但对于分类输出,其输出值应介于1到0之间,因此,线性回归曲线应限制在1到o之间,这是使用逻辑回归执行的,为此,我们使用asigmod功能。 阈值的概念:用于确定输出值(在o和1之间)是否四舍五入以给出输出为0(低)还是1(高)。 阈值(0.5)和1之间的输出值四舍五入为1,低于阈值的值四舍五入为0。 对数似然的概念:使用线性回归的概念: 将上述值放在S型方程中: 现在,通过从伯纳利的特征中获得启发,我们找到了对数似然函数并将其微分,从而找到了梯度上升更新方程。 因此,可能性定义为: 对数似然变为: