逻辑回归00.pptx

逻辑（logistic）回归目录逻辑回归算法在实际过程中主要用于解决二分类问题，它跟Adaline线性自适应算法很类似，主要是将线性函数的结果映射到sigmoid函数中，找到分类超平面我们知道，线性回归的公式如下：我们可以看到，sigmoid的函数输出是介于（0，1）之间的，中间值是0.5，于是之前的公式的含义就很好理解了，因为输出是介于（0，1）之间，也就表明了数据属于某一类别的概率，例如：<0.5则说明当前数据属于A类，所以我们可以将sigmoid函数看成样本数据的概率密度函数。数学推导梯度下降法求J(θ)的最小值求J(θ)的最小值可以使用梯度下降法，根据梯度下降法可得θ的更新过程：因此，方程式可以写成：Python代码实现画出决策边界算法优化案例：预测患有疝病的马的死亡率从上面的结果可以看出，10次迭代之后的平均错误率为35%左右。事实上，这个结果并不差，因为有30%的数据缺失。Thankyou