逻辑回归
- 一、逻辑回归概述
- 二、模型、策略和优化（手写）
- 三、w和b的梯度下降公式推导
- 四、例题分析
- 4.1 题目
- 4.2 解答
一、逻辑回归概述
1. 逻辑回归也称作logistic回归分析，是一种广义的线性回归分析模型，属于机器学习中的监督学习。其推导过程与计算方式类似于回归的过程，但实际上主要是用来解决二分类问题（当然也可以解决多分类问题）。
2. 二分类问题只有两个类别。对于类别我们通常称为正类（positive class）和负类（negative class）。 （1）例如，我们给出一个人的 [身高，体重] 这两个指标，然后判断这个人是属于”胖“还是”瘦“这一类。对于这个问题，我们可以先测量n个人的身高、体重以及对应的指标”胖“,"瘦”，把胖和瘦分别用0和1来表示，把这n组数据输入模型进行训练。训练之后再把待分类的一个人的身高、体重输入模型中，看这个人是属于“胖”还是“瘦”。 （2）例如：一个垃圾邮件过滤系统，x是邮件的特征，预测的y值就是邮件的类别（是垃圾邮件还是正常邮件），在该例子中，正类就是正常邮件，负类就是垃圾邮件。
二、模型、策略和优化（手写）
三、w和b的梯度下降公式推导
四、例题分析
4.1 题目
4.2 解答
