机器学习-Logistic回归算法学习笔记

假设现在有一些数据点，我们用一条直线（或者曲线）对这些点进行拟合，这个拟合过程就称作回归。 利用Logistic回归进行分类的主要思想是：根据现有数据对分类边界线建立回归公式，以此进行分类，训练分类器时的做法就是寻找最佳拟合参数。 优点：计算代价不高，易于理解和实现。 缺点：容易欠拟合，分类精度可能不高。 适用数据类型：数值型和标称型数据。 一、Sigmoid函数 我们想要的分类函数应该是能够接受

>>阅读原文<<