乐云网站建设,义乌网站建设zisou8,西宁网站建设电话,北京规划建设 杂志 官方网站问#xff1a;逻辑斯蒂回归是一种典型的线性回归模型。
答#xff1a;正确。逻辑斯蒂回归是一种典型的线性回归模型。它通过将线性回归模型的输出结果映射到[0,1]区间内#xff0c;表示某个事物发生的概率#xff0c;从而适用于二分类问题。具体地说#xff0c;它使用sig…问逻辑斯蒂回归是一种典型的线性回归模型。
答正确。逻辑斯蒂回归是一种典型的线性回归模型。它通过将线性回归模型的输出结果映射到[0,1]区间内表示某个事物发生的概率从而适用于二分类问题。具体地说它使用sigmoid函数对线性回归模型的输出进行映射使得输出值在[0,1]范围内表示概率大小。因此逻辑斯蒂回归可以被看作是将线性回归模型扩展到离散输出的一种方法属于广义线性模型的范畴。
逻辑回归的模型引入了sigmoid函数映射是非线性模型但本质上又是一个线性回归模型因为除去sigmoid映射函数关系其他的步骤算法都是线性回归的。可以说逻辑回归都是以线性回归为理论支持的。 这里讲到的线性是说模型关于系数一定是线性形式的 加入sigmoid映射后变成
如果分类平面本身就是线性的那么逻辑回归关于特征变量x以及关于系数都是线性的 如果分类平面是非线性的例如题主提到的那么逻辑斯蒂回归关于变量x是非线性的但是关于参数仍然是线性的
这里我们做了一个关于变量x的变换
其他非线性超平面一样的道理我们可以通过变量的变化最终一定可以化成形如
提到了SVM区别是SVM如果不用核函数也得像逻辑回归一样在映射后的高维空间显示的定义非线性映射函数,而引入了核函数之后可以在低维空间做完点积计算后映射到高维
综上逻辑回归本质上是线性回归模型关于系数是线性函数分离平面无论是线性还是非线性的逻辑回归其实都可以进行分类。对于非线性的需要自己去定义一个非线性映射。
