成为VIP
第 25节 – 逻辑回归之分类问题概述(1)
参考文档: 6 – 1 – Classification (8 min).mkv
在这个以及接下来的几个课程中，开始介绍分类问题。
在分类问题中，你要预测的变量 y 是离散的值，我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法，这是目前最流行使用最广泛的一种学习算法。
在分类问题中，我们尝试预测的是结果是否属于某一个类（例如正确或错误）。分类问题的例子有：判断一封电子邮件是否是垃圾邮件；判断一次金融交易是否是欺诈；之前我们也谈到了肿瘤分类问题的例子，区别一个肿瘤是恶性的还是良性的。
我们从二元的分类问题开始讨论。
我们将因变量(dependant variable)可能属于的两个类分别称为负向类（negative class）和
机器学习课程-第 3 周-六、逻辑回归(Logistic Regression)
正向类（positive class）逻辑回归算法，则因变量
y 0,1 ，其中 0 表示负向类，1 表示正向类。
如果我们要用线性回归算法来解决一个分类问题，对于分类，y 取值为 0 或者 1，但如果你使用的是线性回归逻辑回归算法，那么假设函数的输出值可能远大于 1，或者远小于 0，即使所有训练样本的标签 y 都等于 0 或 1。尽管我们知道标签应该取值 0 或者 1，但是如果算法得到的值远大于 1 或者远小于 0 的话，就会感觉很奇怪。所以我们在接下来的要研究的算法就
叫做逻辑回归算法，这个算法的性质是：它的输出值永远在 0 到 1 之间。
顺便说一下，逻辑回归算法是分类算法，我们将它作为分类算法使用。有时候可能因为这个算法的名字中出现了”回归”使你感到困惑，但逻辑回归算法实际上是一种分类算法， 它适用于标签 y 取值离散的情况，如：1001。
在接下来的课程中，我们将开始学习逻辑回归算法的细节。
限时特惠：本站每日持续更新海量设计资源，一年会员只需29.9元，全站资源免费下载
站长微信：ziyuanshu688
htebazile
