美文网首页
深度学习知识点汇总-机器学习基础（6）

深度学习知识点汇总-机器学习基础（6）

作者: 深度学习模型优化 | 来源:发表于2019-05-10 02:08 被阅读0次

2.6 逻辑回归与朴素贝叶斯有什么区别？

  1. 逻辑回归是判别模型， 朴素贝叶斯是生成模型。
  2. 朴素贝叶斯属于贝叶斯，逻辑回归是最大似然，两种概率哲学间的区别。
  3. 朴素贝叶斯需要条件独立假设。
  4. 逻辑回归需要求特征参数间是线性的。

线性回归的样本的输出，都是连续值，y\in (-\infty ,+\infty )，而逻辑回归中y\in (0,1)，只能取0和1。

逻辑回归与线性回归的关系：

​对于拟合函数也有本质上的差别：

​线性回归：f(x)=\theta ^{T}x=\theta _{1}x _{1}+\theta _{2}x _{2}+...+\theta _{n}x _{n}

​逻辑回归：f(x)=P(y=1|x;\theta )=g(\theta ^{T}x)，其中，g(z)=\frac{1}{1+e^{-z}}为sigmoid函数。

由上可知，线性回归的拟合函数，是对f(x)的输出变量y的拟合，而逻辑回归的拟合函数是对为类别1样本的概率的拟合。

\theta ^{T}x=0就相当于是1类和0类的决策边界：

  • 当\theta ^{T}x>0，则y>0.5；若\theta ^{T}x\rightarrow +\infty，则y \rightarrow 1，即y为1类;
  • 当\theta ^{T}x<0，则y<0.5；若\theta ^{T}x\rightarrow -\infty，则y \rightarrow 0，即y为0类;

在线性回归中\theta ^{T}x为预测值的拟合函数；而在逻辑回归中\theta ^{T}x为决策边界。

线性回归 逻辑回归
目的 拟合 分类
y^{(i)} 未知 （0,1）
函数 拟合函数 分类函数
参数计算方式 最小二乘法 极大似然估计或者交叉熵

相关文章

网友评论

      本文标题：深度学习知识点汇总-机器学习基础（6）

      本文链接：https://www.haomeiwen.com/subject/smicoqtx.html

      延伸阅读

      深度阅读

      • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

      栏目导航

      热点阅读

      关于我们|服务条款|联系我们|深度学习知识点汇总-机器学习基础（6）|投稿指南|网站地图|RSS订阅|排版工具|手机版

      提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

      Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

      备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

      本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

      所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！