的病人，你只能知道他3个月后到底是病危或者存活。所以线性回归并不适用这种场景。 logistic函数 ...

逻辑回归模型预估的是样本属于某个分类的概率，其损失函数(Cost Function)可以像线型回归那样，以均方差来表示；也可以用对数、概率等方法。损失函数本质上是衡量”模型预估值“到“实际值”的距离，选取好的“距离”单位，可以让模型更加准确。 1. 均方差距离 \[{J_{sqrt ...

https://blog.csdn.net/weixin_41537599/article/details/80585201 1.Logistic Regression（逻辑回归）逻辑回归是机器学习中的一个非常常见的模型， 逻辑回归模型其实仅在线性回归的基础上，套用了一个逻辑函数。逻辑回归 ...

逻辑回归算法 逻辑回归算法的概念不咋叙述 逻辑回归算法看上去是解决回归问题的算法，但是其实是解决的分类问题，那么回归算法是如何解决分类问题呢？逻辑回归的原理是将样本的特征和样本发生的概率联系起来，即预测这个样本的发生概率是多少，而这个概率是一个数，因此可称这个为回归问题 对于机器算法来说 ...

sum_weights 可以通过参数设置。 如果不设置，那么值就是样本的个数。 指定每个样本的权重。 我突然想到基金预测，可以设置样本的权重。 真实涨幅越高，权重越小。 反之，权重越高。 因为如果预测偏低，那么loss 损失越大 ...

问题：线性回归中，当我们有m个样本的时候，我们用的是损失函数是但是，到了逻辑回归中，损失函数一下子变成那么，逻辑回归的损失函数为什么是这个呢？ 本文目录 1. 前置数学知识：最大似然估计 1.1 似然函数 1.2 最大似然估计 2. 逻辑回归损失函数 ...

逻辑斯蒂回归和感知机的异同： 两类都是线性分类器； 损失函数两者不同：逻辑斯蒂回归使用极大似然（对数损失函数），感知机使用的是均方损失函数（即错误点到分离平面的距离，最小化这个值） 逻辑斯蒂比感知机的优点在于对于激活函数的改进。 前者为sigmoid function，后者 ...

引言 上一篇笔记中已经记录了，如何对一个无解的线性方程组\(Ax=b\)求近似解。在这里，我们先来回顾两个知识点： 如何判断一个线性方程组无解：如果拿上面那个方程组\(Ax=b\)举例，那就 ...