机器学习实战学习笔记(四):Logistic回归
2017-04-04 20:03
543 查看
逻辑回归
逻辑回归分类的主要思想是:根据现有数据对分类边界线建立回归公式,以此进行分类。优缺点
优点:计算代价不高,易于理解和实现。
确定:容易欠拟合,分类精度可能不高。
适用数据类型:数值型和标称型数据。
核心概念
sigma函数
最大释然估计
应用——从疝气病预测病马的死亡率
这章不详细描述,请参考书中描述及这篇博客,写的很好(http://sbp810050504.blog.51cto.com/2799422/1608064)相关文章推荐
- 机器学习实战笔记之五(Logistic 回归)
- 机器学习实战笔记(Python实现)-08-线性回归
- 读书笔记:机器学习实战【第5章:Logistic回归】
- 机器学习实战之Logistic回归
- 机器学习实战笔记_09_树回归_代码错误修正
- 机器学习实战笔记-预测数值型数据:回归
- 读书笔记:机器学习实战(4)——章五的逻辑回归代码和个人理解
- 机器学习实战笔记(Python实现)-01-机器学习实战
- 机器学习实战笔记之一(调试NumPy)
- 机器学习实战笔记(1)机器学习基础
- 机器学习实战-逻辑回归
- 机器学习实战Logistic回归笔记
- 机器学习实战笔记5(logistic回归)
- 机器学习实战笔记之非均衡分类问题
- 机器学习实战笔记之三(决策树)
- 机器学习实战笔记 k-近邻算法
- 机器学习实战笔记4(朴素贝叶斯)
- 机器学习实战-学习笔记-第十三章
- 机器学习实战笔记9(Apriori算法)
- 机器学习实战笔记:KNN