一、线性回归
假设自变量X矩阵有3个特征,因变量是Y矩阵,w是系数矩阵
Y = X * w
损失函数:误差平方和函数(Y - label)** 2
二、逻辑回归
线性回归得到的是一个实数值 z ,用sigmoid函数可以将其映射到 0 - 1 之间,即p =
假设预测为正例( y == 1) 的概率为 p,则预测为负例( 1 - y == 0) 的概率为 1 - p,有n个样本
则似然函数 =
目标:似然函数最大
损失函数:
假设自变量X矩阵有3个特征,因变量是Y矩阵,w是系数矩阵
Y = X * w
损失函数:误差平方和函数(Y - label)** 2
线性回归得到的是一个实数值 z ,用sigmoid函数可以将其映射到 0 - 1 之间,即p =
假设预测为正例( y == 1) 的概率为 p,则预测为负例( 1 - y == 0) 的概率为 1 - p,有n个样本
则似然函数 =
目标:似然函数最大
损失函数:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1969327.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!