關於邏輯迴歸的思考與整理

關於邏輯迴歸的思考與整理 注意理解 如何將線性迴歸值轉換爲概率，爲什麼使用sigmoid函數？ 成本函數如何抉擇？爲什麼二次成本函數不適用？ 交叉熵成本函數推導 梯度下降求解推導 應用總結 優勢 缺陷 應用場景 連續特徵離散化優勢 注意理解 本質：在普通線性迴歸模型基礎上加以改進，希望以此解決分類問題 （1） 如何將回歸值轉換爲概率值？ （2）成本函數如何抉擇？ 如何將線性迴歸值轉換爲概率，爲什麼

>>阅读原文<<