统计学习方法(第二版) 第六章 逻辑斯特回归
本文主要先容逻辑斯特回归，以及参数的估计，推广到多项逻辑斯特回归。前言
逻辑斯特回归（简称逻辑回归）是统计学习中常用的经典分类方法。
个人理解主要思想：
对于二项逻辑斯特回归，主要是应用线性回归，通过逻辑斯蒂回归分布函数（sigmoid函数）进行非线性映射到上的条件概率，最终使用极大似然估计来求解参数问题，根据得到的参数从而进行分类。
不知原理解的有没有错误，对于逻辑斯特回归没有进行本质的理解，只知道逻辑斯特回归应用生长问题比较多，就是我们在生物上学到的S型曲线。
一、逻辑斯蒂分布（逻辑分布）
https://i-blog.csdnimg.cn/direct/92040227e4c048929aea93641d74cc4d.png
https://i-blog.csdnimg.cn/direct/37841d6167f14e74881ba0db058e938a.png
二、二项 逻辑斯特回归模型（逻辑回归）
https://i-blog.csdnimg.cn/direct/e377083a0ca34ec791c40e42edd02935.png
https://i-blog.csdnimg.cn/direct/86070257d69c476f82f3e8eafd9d4648.png
https://i-blog.csdnimg.cn/direct/a33a1876bb604efd85ab5b93064ab566.png
https://i-blog.csdnimg.cn/direct/8e9b5ee4192a4f418b15ff6b2119a1b7.png
三、模型的参数估计
使用极大似然估计来求解参数。
https://i-blog.csdnimg.cn/direct/42e7a5d9f3a346fd9367de05d3f9381c.png
https://i-blog.csdnimg.cn/direct/0b498d5c7dfd4a0fa00a0709ec09c118.png
四、多项逻辑斯特回归
https://i-blog.csdnimg.cn/direct/01ff8e15630f4d0a86212df56e8e8821.png
总结
逻辑回归通过线性回归的非线性映射，从而到达分类的目的，固然叫回归但照旧分类问题，最长用二分类问题。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]