分類預測 | Python實現LR邏輯回歸多輸入分類預測

基本介紹

邏輯回歸是一種廣義線性的分類模型且其模型結構可以視為單層的神經網絡，由一層輸入層、一層僅帶有一個sigmoid激活函數的神經元的輸出層組成，而無隱藏層。其模型的功能可以簡化成兩步，“通過模型權重[w]對輸入特征[x]線性求和+sigmoid激活輸出概率”。

模型描述

具體來說，我們輸入數據特征x，乘以一一對應的模型權重w后求和，通過輸出層神經元激活函數σ（sigmoid函數）將（wx + b)的計算后非線性轉換為0~1區間的概率數值后輸出。學習訓練（優化模型權重）的過程是通過梯度下降學到合適的模型權重[W]，使得模型輸出值Y=sigmoid(wx + b)與實際值y的誤差最小。邏輯回歸模型本質上屬于廣義線性分類器（決策邊界為線性）。這點可以從邏輯回歸模型的決策函數看出，決策函數Y=sigmoid(wx +