二分类 分类问题是机器学习中非常重要的一个课题。现实生活中有很多实际的二分类场景，如对于借贷问题，我们会根据某个人的收入、存款、职业、年龄等因素进行分析，判断是否进行借贷；对于一封邮件，根据邮件内容判断该邮件是否属于垃圾邮件。 图1-1 分类示意图 回归作为分类的缺陷 由于回归 ...

二分类问题示例： 首先我们从一个问题开始说起，这里有一个二分类问题的例子，假如你有一张图片作为输入，比如这只猫，如果识别这张图片为猫，则输出标签1作为结果；如果识别出不是猫，那么输出标签0作为结果（这也就是著名的cat和non cat问题）。现在我们可以用字母y来表示输出 ...

引言 很多分类器在数学解释时都是以二分类为例，其数学推导不适用于多分类，模型本身也只能用于二分类，如SVM，Adaboost ， 但是现实中很多问题是多分类的，那这些模型还能用吗 二分类 to 多分类 更改数学原理 改变这些模型的原理，重新推导数学公式，然后代码实现。 这种 ...

从二分类到多分类，实际采用的是拆解法思想：将多分类问题拆分成许多二分类问题，为每一个二分类问题训练一个分类器。测试时，对这些分类器的结果进行集成，得到最终预测结果。 根据拆分策略不同，分为以下三类： 一对一（One vs. One, OvO） 训练：将N个类别两两配对，产生N(N ...

liner classifiers 逻辑回归用在2分类问题上居多。它是一个非线性的回归模型，其最大的好处恰恰是可以解决二元类问题，目前在金融行业，基本都是使用Logistic回归来预判一个用户是否为好客户，因为它还弥补了其他黑盒模型（SVM、神经网络、随机森林等）不具解释性的缺点。知 ...

...

一、模型的构建 银行在放贷之前都会对客户做一个评估，来判定其是否有大概率会违约。这里我们用1表示其不会违约，用0表示会违约，假设影响因素有m个。 逻辑回归的目的是得到一个p（概率），如果给定一个临界值就可判断其属于哪一类，一般默认临界值为0.5，若p>0.5,则判定为第一类，既不会违约 ...

只是简单demo， 可以看出tensorflow非常简洁，适合快速实验 import tensorflow as tf import numpy as np import melt_da ...