逻辑回归(Logistic Regression, LR)模型是一个二分类模型,属于广义线性模型,它还有个名字叫做二项逻辑斯蒂(谛)回归(不知为什么加个斯蒂(谛)),虽然叫XX回归,但却不属于回归模型。
用概率的观点看待二分类问题,模型(这个模型是贝叶斯模型)的数学表示:P(Y|x)
        类别y1的后验概率可以写成:

P(y1|x)=P(x|y1)P(y1)p(x|y1)P(y1)+p(x|y2)P(y2)

P(y1|x)=\frac{P(x|y1)P(y1)}{p(x|y1)P(y1)+p(x|y2)P(y2)}
        上下同除以 P(x|y1)P(y1):{P(x|y1)P(y1)}:

P(y1|x)=11+p(x|y2)P(y2)p(x|y1)P(y1)

P(y1|x)=\frac{1}{1+\frac{p(x|y2)P(y2)}{p(x|y1)P(y1)}}
        可进一步转换:取a =lnP(x|y1)P(y1)p(x|y2)P(y2)=\ln\frac{P(x|y1)P(y1)}{p(x|y2)P(y2)}
       于是有:

P(y1|x)=11+e−a

P(y1|x)=\frac{1}{1+e^{-a}}
    可以看到a等于y1发生的概率与y2发生概率的比值(事件的几率)取对数,这里为什么取对数呢?……似乎为了引进sigmoid()函数(我曾经也被这样灌输过,那么为什么引进sigmoid()函数呢?………..),嗯,先放一放。
  我们回过头来,根据朴素贝叶斯当y1类发生的概率大于y2类发生的概率时,为y1类,此时a>0(a =lnP(x|y1)P(y1)p(x|y2)P(y2)=\ln\frac{P(x|y1)P(y1)}{p(x|y2)P(y2)}),反之,为y2类,此时a<0,此时想起来了线性回归,仿佛有点联系,好的,看下面:
   我们知道线性模型中,可分的超平面S:W*X+b=0,可以看作W*X,为直观感受,对二维平面的点进行分类,若W*X大于0,那么我们可以称为y1类,小于0,称为y2类,这是线性回归,
           
如果我们令a=W*X,这个模型正好可以满足,于是就把这个模型称为逻辑回归。
         所以有:

P(y1|x)=11+e−W∗X

P(y1|x)=\frac{1}{1+e^{-W*X}}
  在PRML书上也没具体说这个,直接把sigmoid引进作用在线性函数上,就称之为logistic回归,在《统计学习方法》上,直接来了定理,然后把对数几率作用在W*X上。在网上也看了好多资料,似乎也没讲清楚,都是引入sigmod()进来之后,再谈引入sigmod()函数的好处,不太严谨。

参考:《统计学习方法》,《模式识别与机器学习》

Logistic Regression 之 Sigmoid相关推荐

  1. Linear Regression、Logistic Regression、激励函数activation function(relu,sigmoid, tanh, softplus)

    1.5.2.Linear Regression 1.5.2.1.Linear Regression 1.5.2.1.1.案例1 1.5.2.1.2.案例2 1.5.2.1.3.案例3源码(带有保存模型 ...

  2. 机器学习与高维信息检索 - Note 3 - 逻辑回归(Logistic Regression)及相关实例

    逻辑回归 Logistic Regression 3. 逻辑回归 补充: 凸性 Convexity 定义3.1 定理3.2 定理3.3 成本函数的凸性 3.1逻辑回归的替代方法 3.2 线性可分性和逻 ...

  3. 逻辑回归(Logistic Regression)简介及C++实现

    逻辑回归(Logistic Regression):该模型用于分类而非回归,可以使用logistic sigmoid函数( 可参考:http://blog.csdn.net/fengbingchun/ ...

  4. Logistic Regression

    Logistic Regression 又称逻辑回归,分类算法中的二分类算法,属于监督学习的范畴,算法复杂度低. 1.模型 Logistic Regression模型是广义线性模型的一种,属于线性的分 ...

  5. python训练模型函数参数_一步步亲手用python实现Logistic Regression

    前面的[DL笔记1]Logistic回归:最基础的神经网络和[DL笔记2]神经网络编程原则&Logistic Regression的算法解析讲解了Logistic regression的基本原 ...

  6. 深度学习 Deep LearningUFLDL 最新Tutorial 学习笔记 2:Logistic Regression

    1 Logistic Regression 简述 Linear Regression 研究连续量的变化情况,而Logistic Regression则研究离散量的情况.简单地说就是对于推断一个训练样本 ...

  7. 【机器学习】逻辑回归(Logistic Regression)

    注:最近开始学习<人工智能>选修课,老师提纲挈领的介绍了一番,听完课只了解了个大概,剩下的细节只能自己继续摸索. 从本质上讲:机器学习就是一个模型对外界的刺激(训练样本)做出反应,趋利避害 ...

  8. Logistic Regression(逻辑回归) +python3.6(pycharm)实现

    数学基础知识略过,可自行查询探究. 遇到的bugs: 1.AttributeError: module 'scipy' has no attribute '__version__' 解决办法:inst ...

  9. Logistic Regression(逻辑回归)原理及公式推导

    Logistic Regression(逻辑回归)原理及公式推导 Logistic Regression(逻辑回归)是机器学习中一个非常非常常见的模型,在实际生产环境中也常常被使用,是一种经典的分类模 ...

最新文章

  1. java 等额本金等额本息工具类
  2. 索引的使用—— 验证索引提升查询效率 || 避免索引失效 —— 全值匹配 /最左前缀法则/范围查询右边的列,不能使用索引/不要在索引列上进行运算操作/字符串不加单引号,造成索引失效
  3. ubuntu 打开ssh登陆_Ubuntu 开启远程登录 SSH 的安装和配置
  4. 【整理】视图簇View cluster的创建
  5. oracle中lock和latch的用途
  6. iOS 多线程技术总结
  7. 用信号量解决进程的同步与互斥
  8. Python:以鸢尾花数据为例,介绍决策树算法
  9. java access 不在本地_线上的java项目访问不到线上数据库,但是这个数据库我本地可以连接到,求解...
  10. 探究.NET的bin引用程序集运行机制看.NET程序集部署原理
  11. Haproxy均衡负载部署和配置文件详解
  12. HTML5 定位 —— Geolocation API的正确使用
  13. html5版微博qq登录,QQ和新浪微博登陆第三方的简单实现
  14. tan和cot的梗_cot和tan的关系
  15. Python 计算思维训练——公式计算
  16. 简单的EasyUI登录界面
  17. Android图片加载框架最全解析(五)
  18. 外边距塌陷问题及其对策
  19. 行人重识别(reid)近期最优最简模型的训练测试
  20. 【C语言】(错题整理) 寻找完数、字符串中各类字符数的统计、最大公约数和最小公倍数、回文数计算 (循环、函数相关内容)

热门文章

  1. STM32之RTC例程
  2. 罗马音平假名片假名转换器_记不住五十音的你,你肯定需要这套日语五十音谐音巧记法...
  3. 互联网寒冬来袭,有一家公司却逆流而上!
  4. 开发者供不应求,垃圾项目在去年已造成2.1万亿美元损失
  5. 《程序员修炼之道(第2版)》!屹立20年王者归来!
  6. Angular4+AdminLTE+Jeecg 前后端分离框架实战-张代浩-专题视频课程
  7. 【发布】JEECG-P3 新主题后台风格(H5扁平化)
  8. 如何不用鼠标操作电脑
  9. SpringBoot2.0 整合 Redis集群 ,实现消息队列场景
  10. 利用Xcode在Mac写第一个C++ project