ML模型3：邏輯迴歸模型

邏輯迴歸模型 邏輯迴歸假設數據服從伯努利分佈,通過極大化似然函數的方法，運用梯度下降來求解參數，來達到將數據二分類的目的。 1. 問題引入 線性迴歸是進行迴歸學習，但如果要做分類任務該怎麼辦呢？ 在廣義線性模型下，可以利用一個單調可微的函數將分類任務的標籤y與線性迴歸模型的預測結果聯繫起來。 實值z → 0/1值？（Q1. 邏輯迴歸和線性迴歸有什麼區別？） 選用理想的單位階躍函數 → 單位階躍函數

>>阅读原文<<