Logistic回归
2019-10-11 本文已影响0人
南国_
（一）Logistic回归原理：
① 将数据做线性回归，得到线性回归函数：h(x) = θX；
② 将h(x)做sigmoid转换，得到logistic回归函数g(z):
③ g(z)的值域为区间（0 ~1) ；
④ g(z)的输出结果也不再是预测值，而是一个样本预测为正例的概率P
https://blog.csdn.net/weixin_39445556/article/details/83930186
（二）Softmax回归原理：
Softmax多分类回归，只是Logistic回归的一般化。原理如下：
① 与Logistics回归相同。也是先做线性回归，得到线性回归函数：h(x) = θX；
② 将线性回归的结果Z = h(x) = θX做softmax函数转换，得到softmax回归函数：
softmax回归概率函数
③ g(z)的值域为区间（0 ~1) ；
④ g(z)的输出结果也不再是预测值，而是一个样本预测为正例的概率P
