《機器學(xué)習(xí)項目案例開發(fā)》課件 6.2邏輯回歸-判定邊界 - 心臟病

人工智能技術(shù)與應(yīng)用6.2邏輯回歸-判定邊界課程概況—基本情況PART01機器學(xué)習(xí)-邏輯回歸什么是邏輯回歸機器學(xué)習(xí)算法一覽表機器學(xué)習(xí)分類機器學(xué)習(xí)-Classification線性回歸：預(yù)測是一個連續(xù)的值，房價、收入邏輯回歸：預(yù)測是一個離散值，郵件分類、新聞聚類解決分類問題：我們討論的垃圾郵件分類實際上就是一個分類問題。類似的例子還有很多，例如一個在線交易網(wǎng)站判斷一次交易是否帶有欺詐性。再如，判斷一個腫瘤是良性的還是惡性的，也是一個分類問題。在以上的這些例子中，預(yù)測的是一個二值的變量，或者為0，或者為1；或者是一封垃圾郵件，或者不是；或者是帶有欺詐性的交易，或者不是；或者是一個惡性腫瘤，或者不是。機器學(xué)習(xí)分類機器學(xué)習(xí)-Classification可以將因變量（dependantvariable）可能屬于的兩個類分別稱為負向類（negativeclass）和正向類（positiveclass）?？梢允褂?來代表負向類，1來代表正向類。分類問題僅僅局限在兩類上：0或者1。之后我們會討論多分類問題，也就是說，變量y可以取多個值，例如0，1，2，3。(Yes)1(No)0惡性？腫瘤大小機器學(xué)習(xí)分類Classification-根據(jù)腫瘤大小判定良性惡性訓(xùn)練集如上圖所示，橫軸代表腫瘤大小，縱軸表示腫瘤的良性與否，注意，縱軸只有兩個取值，1（代表惡性腫瘤）和0（代表良性腫瘤）。分類問題僅僅局限在兩類上：良性-0的和惡性的-1(Yes)1(No)0惡性？腫瘤大小機器學(xué)習(xí)分類Classification-根據(jù)腫瘤大小判定良性惡性線性回歸來處理，實際上就是用一條直線去擬合這些數(shù)據(jù)。可以先使用線性回歸去擬合，然后設(shè)定一個閥,0.5，小于閥值的是0-不是惡性腫瘤，大于閥值是1-是惡性腫瘤。用公式表示如下圖所示：(Yes)1(No)0惡性？腫瘤大小

機器學(xué)習(xí)分類xxxxxxxxxxx惡性腫瘤？腫瘤大小(Yes)1(No)0閥值

Classification-根據(jù)腫瘤大小判定良性惡性上面的例子似乎很好解決了惡性腫瘤的預(yù)測問題，但是這種模型有一個最大問題是對噪聲很敏感(魯棒性不夠)，如果增加兩個訓(xùn)練樣本，按照線性回歸+閥值的思路，使用線性回歸會得到一條直線，然后設(shè)置閥值為0.5，如下圖所示：這時會產(chǎn)生兩個誤判點，這是如果再使用0.5來做閥值來預(yù)測是否是惡性腫瘤就不合適了。機器學(xué)習(xí)分類xxxxxxxxxxx癌癥？腫瘤大小(Yes)1(No)0x閥值誤判點Classification-根據(jù)腫瘤大小判定良性惡性這時會產(chǎn)生兩個誤判點，這是如果再使用0.5來做閥值來預(yù)測是否是惡性腫瘤就不合適了。機器學(xué)習(xí)分類xxxxxxxxxxx癌癥？腫瘤大小(Yes)1(No)0x閥值誤判點Classification-根據(jù)腫瘤大小判定良性惡性這時會產(chǎn)生兩個誤判點，這是如果再使用0.5來做閥值來預(yù)測是否是惡性腫瘤就不合適了。機器學(xué)習(xí)分類Sigmoid函數(shù)這里使用sigmoid函數(shù)將將一個(?∞,+∞)之內(nèi)的實數(shù)值變換到區(qū)間0-1之間，單調(diào)增，定義域是(?∞,+∞)，值域是(0,1)函數(shù)如下所示：機器學(xué)習(xí)分類xxxxxxxxxxx

機器學(xué)習(xí)分類xxxxxxxxxxx

xxxxx