机器学习课件 6.2逻辑斯蒂回归模型.pptxVIP

逻辑斯蒂回归模型

逻辑斯蒂回归模型型对数线性模型利用特征函数以及参数的方式对势函数进行定义?势能函数：联合概率p(x)的对数形式：对数线性模型是定义在上的特征向量，是权重向量逻辑斯蒂回归模型（logisticregressionmodel）最大熵模型（maximumentropymodel）?

逻辑斯蒂回归模型逻辑斯蒂回归模型:在线性回归模型的基础上，使用Sigmoid函数，将线性模型的结果压缩到[0,1]之间，使其拥有概率意义，它可以将任意输入映射到[0,1]区间内，实现由值到概率的转换。主要思想：根据现有数据对分类边界线（decisionboundary）建立回归公式，以此分类。优点：直接对分类的可能性建模，无需事先假设数据分布，避免了假设分布不准确带来的问题。由于它是针对分类的可能性进行建模，不仅能预测出类别，还可得到属于该类别的概率。属于概率性判别式模型线性分类算法逻辑斯蒂回归模型也是深度学习中的重要单元

逻辑斯蒂回归模型假设某事件发生的概率为p，那么此事件不发生的概率为(1-p)，则称p/(1-p)为此事件发生的几率。取此事件发生几率的对数定义logit(p)：?取logit函数的反函数，称为logistic函数，即Sigmoid函数：逻辑斯蒂函数

逻辑斯蒂回归模型逻辑斯蒂分布逻辑斯蒂分布的分布函数F(x)逻辑斯蒂