文章目录
- 逻辑回归
- 逻辑回归算法表达式
- 模型训练
- 逻辑回归做多分类
- softmax回归
- 模型实例
- 训练模型
- 注意
- 代码
逻辑回归
logistic regression 并不是回归任务的算法，而是属于分类任务算法
逻辑回归算法表达式
一个 型曲线（Sigmoid函数），将线性回归的值压缩到了0到1之间，这样就具备了概率含义；大于0.5为正例，反之是负例
模型训练
逻辑回归做多分类
softmax回归
多分类问题的机器学习算法
模型实例
假设你是一名动物园管理员，你想识别你们园区的动物。你拍了一些照片，其中包含狗、猫和鸟三种不同的动物。你需要一个算法来识别每张照片中的动物是哪一种。
训练模型
注意
多标签和多分类的区别
- Softmax回归适合多分类模型，因为互斥就是各类别概率之和必须为1； 1
- 逻辑回归多分类转多个二分类适合，因为各个二分类模型是相互独立的；
代码
multi_class : {'auto', 'ovr', 'multinomial'}, default='auto'If the option chosen is 'ovr', then a binary problem is fit for eachlabel. For 'multinomial' the loss minimised is the multinomial loss fitacross the entire probability distribution, *even when the data isbinary*. 'multinomial' is unavailable when solver='liblinear'.'auto' selects 'ovr' if the data is binary, or if solver='liblinear',and otherwise selects 'multinomial'.
