機(jī)器學(xué)習(xí)-Logistic回歸的正則化_第1頁
機(jī)器學(xué)習(xí)-Logistic回歸的正則化_第2頁
機(jī)器學(xué)習(xí)-Logistic回歸的正則化_第3頁
機(jī)器學(xué)習(xí)-Logistic回歸的正則化_第4頁
機(jī)器學(xué)習(xí)-Logistic回歸的正則化_第5頁
已閱讀5頁，還剩8頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

Logistic回歸的正則化邏輯斯特回歸LogisticRegression代價函數(shù)Logistic回歸代價函數(shù)訓(xùn)練集：m個樣本n個特征如何選擇參數(shù)？Logistic回歸代價函數(shù)代價函數(shù)：線性回歸“非凸”“凸”Logistic回歸代價函數(shù)如果y=110

，，如果y=010

預(yù)測值與真實值相同預(yù)測值與真實值相同預(yù)測值與真實值相反預(yù)測值與真實值相反Logistic回歸代價函數(shù)，，原來的函數(shù)化簡過后的函數(shù)

最終的代價函數(shù)Logistic回歸代價函數(shù)代價函數(shù)Repeat梯度下降法(同時更新所有的)RepeatLogistic回歸的極大似然法給定數(shù)據(jù)集極大似然法

令，，則可簡寫為再令于是，最大化似然函數(shù)等價為最小化高階可導(dǎo)連續(xù)凸函數(shù)，可用經(jīng)典的數(shù)值優(yōu)化方法 如梯度下降法/牛頓法[BoydandVandenberghe,2004]則似然項可重寫為邏輯斯特回歸LogisticRegression正則化Logistic回歸-正則化x1x2成本函數(shù):Logistic回歸-正則化成本函數(shù):x1x2def__init__(self,penalty='l2',*,dual=False,tol=1e-4,C=1.0,

fit_intercept=True,intercept_scaling=1,class_weight=None,

random_state=None,solver='lbfgs',max_iter=100,

multi_class='auto',verbose=0,warm_start=False,n_jobs=None,

l1_ratio=None)Logistic回歸-正則化fromsklearn.linear_modelimportLogisticRegression

lr=LogisticRegression(penalty='l2',C=1000.0,random_s

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論