• 机器学习六


    1.用自己的话描述一下,什么是逻辑回归,与线性回归对比,有什么不同?

    逻辑回归:

    逻辑回归用于分类,而不是回归。

    在线性回归模型中,输出一般是连续的, 对于每一个输入的x,都有一个对应的输出y。因此模型的定义域和值域都可以是无穷。

    但是对于逻辑回归,输入可以是连续的[-∞, +∞],但输出一般是离散的,通常只有两个值{0, 1}。

    这两个值可以表示对样本的某种分类,高/低、患病/ 健康、阴性/阳性等,这就是最常见的二分类逻辑回归。因此,从整体上来说,通过逻辑回归模型,我们将在整个实数范围上的x映射到了有限个点上,这样就实现了对x的分类。因为每次拿过来一个x,经过逻辑回归分析,就可以将它归入某一类y中。

    对比:

    逻辑回归采用似然函数,而不是平方损失函数


    2.自述一下什么是过拟合和欠拟合?

    过拟合:

    指一个假设在训练数据上能够获得比其他假设更好的拟合(训练误差小)但是在训练数据外的数据集上却不能很好的拟合数据(测试误差大)。此时模型的泛化能力较差,不利于推广。

    欠拟合:

    即回归问题线性拟合较差,分类问题则分类较差。


    3.思考一下逻辑回归的应用场景有哪些?

    通过属性来判断产品的好坏,比如:芒果的酸甜

  • 相关阅读:
    CentOS7搭建SFTP服务
    MySQL主从异常恢复
    MySQL主从复制配置
    Docker安装MySQL8.0
    CentOS7安装JDK1.8
    RabbitMQ死信队列
    RabbitMQ重试机制
    RabbitMQ消息可靠性传输
    TCP/IP的Socket编程
    c#网络编程使用tcpListener和tcpClient
  • 原文地址:https://www.cnblogs.com/huangwenshuo/p/12760467.html
Copyright © 2020-2023  润新知