【ML】逻辑回归、生成式与判别式引出 3
- 1. 逻辑回归的基本原理：
- 2. 逻辑回归的关键点：
- 3. 逻辑回归推导过程
- 4. Discriminative（判别式）模型和Generative（生成式）
- 4.1 Discriminative（判别式）模型：
- 4.2 Generative（生成式）模型：
- 4.3 总结差异：
- 5. Multi-class Classification
逻辑回归（Logistic Regression）是一种广泛使用的统计方法，用于处理二分类问题。尽管它的名字中包含“回归”二字，但逻辑回归实际上是一种分类算法。它通过使用逻辑函数（通常是Sigmoid函数）来估计概率，从而进行分类决策。
1. 逻辑回归的基本原理：
-
Sigmoid函数：
- 逻辑回归使用Sigmoid函数将线性回归模型的输出映射到0和1之间，这个值可以被解释为属于某个类别的概率。
- Sigmoid函数的公式为：
σ(z) = 1 / (1 + e^(-z))，其中z是线性回归的输出，即z = w_1 * x_1 + w_2 * x_2 + ... + w_n * x_n + b。
-
概率估计：
- 给定输入
 got an unexpected keyword argument ‘ciphers‘)
