Logestic迴歸算法筆記

Logestic迴歸算法筆記 前言 對於分類問題，比如二分類，輸出y一共分爲負類（記爲0）和正類（記爲1），即 y∈{0,1}。 如果使用線性迴歸的方式解決，如果存在與同類樣本中特徵差別較大的個體，可能導致的得到的假設函數 h θ ( x ) h_θ(x) hθ​(x) (θ爲待優化參數） 的分類效果較差。 Logestic 函數的引入 符號引入： m爲訓練樣本個數 n爲特徵變量個數 θ= [ θ

>>阅读原文<<