《机器学习Python实战》课件 10-项目5 逻辑回归算法基本原理讲解.pptxVIP

?机器学习?项目5逻辑回归算法实战

15.1.1逻辑回归算法的基本原理25.1.2逻辑回归模型的参数选择目录CONTENTS

015.1.1逻辑回归算法的基本原理

逻辑回归算法的基本原理一、算法概述逻辑回归（LogisticRegression）又称逻辑斯谬回归，是一种经典的分类算法。尽管线性回归和逻辑回归的名称中都包含“回归”一词，但它们的应用场景不同：?线性回归模型用于解决回归问题（预测连续数值）?逻辑回归模型用于解决分类问题（预测离散类别）例如：根据空气湿度、风速和光照强度等因素：?回归问题：预测未来的降雨量（单位为mm）?分类问题：判断是否下雨（是或否）逻辑回归算法巧妙地以“回归”之名行“分类”之实，在概率映射与线性决策之间架起了桥梁。

回归模型与分类模型的区别回归任务：寻找一条能够尽可能贴合所有数据点分布趋势的线（拟合曲线），预测连续的数值输出。分类任务：寻找一条“决策边界”，将不同类别的数据点尽可能清晰地分隔开来，预测离散类别。?（a）回归??????????????????????（b）分类图5-1?回归与分类的区别

逻辑回归的核心思想二、核心思想线性决策边界在特征空间中寻找一条

线性决策边界（直线或超平面），

将不同类别的数据点尽可能

清晰地区分开来。概率拟合逻辑回归本质上是一种基于

概率的拟合方法，通过拟合

方式确定分类边