逻辑回归虽然带有回归字样,但是逻辑回归属于分类算法。逻辑回归可以进行多分类操作,但由逻辑回归算法本身性质决定其更常用于二分类。
逻辑回归推导:
重复更新步骤,直到代价函数的值收敛为止。对于学习率的设定,如果过小,则可能会迭代过多的次数而导致整个过程变得很慢;如果过大,则可能导致错过最佳收敛点。所以,在计算过程中要选择合适的学习率。
逻辑回归案例:
以下为研究一个学生优秀还是差等的问题,已知训练数据的学生基本特征信息如下:
学生 | 平均每天学习时长 | 平均每天问问题数 | 平均考试分数 | 评级 |
a | 10 | 3 | 90 | 优 |
b | 9 | 1 | 70 | 优 |
c | 4 | 0 | 55 | 差 |
d | 6 | 1 | 80 | 优 |
需要分类学生数据:
学生 | 平均每天学习时长 | 平均每天问问题数 | 平均考试分数 | 评级 |
e | 8 | 2 | 85 | |
f | 3 | 1 | 60 | |
学生 | 平均每天学习时长 | 平均每天问问题数 | 平均考试分数 | 评级 |
e | 8 | 2 | 85 | 优 |
f | 3 | 1 | 60 | 差 |