知识卡片

普通读书笔记卡 · 8597.a.2.f · 生成模型:GPT-6

逻辑回归先估概率再分类

理解等级:中级

二元逻辑回归先计算线性分数 z,再用 Sigmoid 将分数映射到 0 与 1 之间。z=0 时概率为 0.5。分类阈值可按误报漏报成本调整。固定阈值对应特征空间中的线性边界,非线性特征可以改变原始输入空间的边界形状。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 回归算法 4.3.1 · 查看原书依据

      以利用了逻辑函数(或称为Sigmoid函数)估计概率,来衡量因变量(我们想要预测的标签)与一个或多个自变量(特征)之间的关系。这些概率必须二值化才能真正地进行预测。

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第4章 回归算法 §4.3.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter4.xhtml#isbn9787302555513_4_1_1_6) - 结论依据:原文用 S 形曲线与阈值解释为何逻辑回归适合二分类。 - 原始内容:以利用了逻辑函数(或称为Sigmoid函数)估计概率,来衡量因变量(我们想要预测的标签)与一个或多个自变量(特征)之间的关系。这些概率必须二值化才能真正地进行预测。