ML之LoR：逻辑回归LoR算法的简介、应用、经典案例之详细攻略
ML之LoR：逻辑回归LoR算法的简介、应用、经典案例之详细攻略
目录
逻辑回归LoR算法的简介
逻辑回归最适合二进制分类（y = 0或1的数据集，其中1表示默认类）。例如：在预测事件是否发生时，发生的事件被分类为1。在预测人会生病或不生病，生病的实例记为1）。它是以其中使用的变换函数命名的，称为逻辑函数h(x) =1 / （1+e-x），它是一个S形曲线。
在逻辑回归中，输出是以缺省类别的概率形式出现的。因为这是一个概率，所以输出在0-1的范围内。输出（y值）通过对数转换x值，使用对数函数h(x) = 1 /（1+e-x）来生成。然后应用一个阈值来强制这个概率进入二元分类。
上图判断了肿瘤是恶性还是良性。默认变量是y = 1（肿瘤=恶性）；x变量可以是肿瘤的信息，例如肿瘤的尺寸。如图所示，逻辑函数将数据集的各种实例的x值转换成0到1的范围。如果概率超过阈值0.5（由水平线示出），则将肿瘤分类为恶性。
逻辑回归的目标是使用训练数据来找到系数b0和b1的值，以使预测结果与实际结果之间的误差最小化。这些系数是使用最大似然估计来计算的。
1、LOR算法在经过严密的数据预处理后效果会非常好
作为最简单的分类算法，LoR逻辑回归，依然是工业界、金融界主流的分类算法之一。但是，要想让LoR发挥其最大效果，还必须要有一套科学的、严密的数据预处理流程。
2、LoR模型的优缺点
| 模型 | 优势 | 劣势 |
| LoR | 简单直观：易于理解； 应用广：技术成熟且稳定； 可解释住强：系数表示该特征的权重大小；变量系数可以与业内知识做交叉验证，更容易让人信服； 易于检测和部署：易于发现问题。当模型效果衰减的时候，LoR模型能更好的查找原因； | 不适用于非线性问题 相比较于DNN、XGboost，LoR准确度不高 |
逻辑回归LoR算法的应用
1、逻辑回归可视化
逻辑回归LoR算法的经典案例
TF之LoR：基于tensorflow利用逻辑回归算LoR法实现手写数字图片识别提高准确率
ML之LoR：LoR之二分类之线性决策算法实现根据两课成绩分数~预测期末通过率(合格还是不合格)
ML之LoR：利用LoR二分类之非线性决策算法案例应用之划分正负样本
网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。
- 上周热门
- 银河麒麟添加网络打印机时，出现“client-error-not-possible”错误提示 1447
- 银河麒麟打印带有图像的文档时出错 1364
- 银河麒麟添加打印机时，出现“server-error-internal-error” 1150
- 统信桌面专业版【如何查询系统安装时间】 1072
- 统信操作系统各版本介绍 1069
- 统信桌面专业版【全盘安装UOS系统】介绍 1027
- 麒麟系统也能完整体验微信啦！ 984
- 统信【启动盘制作工具】使用介绍 626
- 统信桌面专业版【一个U盘做多个系统启动盘】的方法 574
- 信刻全自动档案蓝光光盘检测一体机 483
- 本周热议
- 我的信创开放社区兼职赚钱历程 40
- 今天你签到了吗？ 27
- 信创开放社区邀请他人注册的具体步骤如下 15
- 如何玩转信创开放社区—从小白进阶到专家 15
- 方德桌面操作系统 14
- 我有15积分有什么用? 13
- 用抖音玩法闯信创开放社区——用平台宣传企业产品服务 13
- 如何让你先人一步获得悬赏问题信息？（创作者必看） 12
- 2024中国信创产业发展大会暨中国信息科技创新与应用博览会 9
- 中央国家机关政府采购中心：应当将CPU、操作系统符合安全可靠测评要求纳入采购需求 8
