仅带截距的Logistic回归
是一种统计学习方法，用于解决二分类问题。它是基于Logistic函数的回归模型，通过拟合数据集中的样本特征和标签之间的关系，来预测新样本的分类。
该模型的数学表达式为： P(y=1|x) = 1 / (1 + exp(-(w0 + w1*x)))
其中，P(y=1|x)表示给定输入x时，样本属于类别1的概率；w0和w1分别表示模型的截距和斜率，需要通过训练数据进行估计。
优势：
- 简单而高效：仅带截距的Logistic回归模型参数较少，计算速度快，适用于大规模数据集。
- 可解释性强：模型输出的概率可以被解释为样本属于某个类别的置信度。
- 适用性广泛：适用于二分类问题，并且可以通过引入多项式特征、交互特征等方式进行扩展。
应用场景：
- 金融风控：用于预测用户是否具有违约风险，进行信用评估和风险控制。
- 市场营销：用于预测用户是否会购买某个产品或服务，进行精准推荐和个性化营销。
- 医学诊断：用于预测患者是否患有某种疾病，进行疾病风险评估和诊断辅助。
腾讯云相关产品： 腾讯云提供了多个与机器学习和数据分析相关的产品，可以用于支持仅带截距的Logistic回归模型的开发和部署。
- 云服务器（CVM）：提供灵活可扩展的计算资源，用于训练和部署机器学习模型。 产品介绍链接：https://cloud.tencent.com/product/cvm
- 人工智能引擎（AI Engine）：提供了丰富的机器学习算法和模型训练平台，支持快速构建和部署机器学习模型。 产品介绍链接：https://cloud.tencent.com/product/aiengine
- 数据库（TencentDB）：提供高性能、可扩展的数据库服务，用于存储和管理训练数据和模型参数。 产品介绍链接：https://cloud.tencent.com/product/cdb
请注意，以上仅是腾讯云提供的一些相关产品，其他云计算品牌商也提供类似的产品和服务，可以根据实际需求选择合适的解决方案。
相关·内容
我正在尝试将PCA (主成分分析)应用于具有124行和13个特征的数据集。我正在尝试使用多少个功能(通过Logistic回归)来获得最准确的预测，我的代码如下：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
df_wine = pd.read_csv('https://archive.ics.uci.edu/ml/'
'machine-learning-databases/wine/wine.data', header=None)
from sklearn.
浏览 1提问于2020-11-24得票数 0
2回答
晚安，社区！
我有一个简单的问题，答案可能不那么简单：
如何用Python的表示Logistic回归模型的自变量系数
浏览 5提问于2015-12-02得票数 1
回答已采纳
有人能帮助我理解模型前调整和模型后调整使用偏移法(最好是在Proc Logistic中的Base和Logistic回归评分)。
我举一个例子。考虑到传统的银行信用评分模型，假设我们有10000名客户，其中50000名是好客户，2000名是坏客户。现在，对于我的Logistic回归，我使用了所有2000名坏的和随机抽样的2000名好客户。我如何调整这种过度抽样在Proc Logistic使用的选项，如偏移和评分。你有关于这个主题的参考资料和插图吗？提前感谢您的帮助！
浏览 3提问于2016-07-05得票数 0
回答已采纳
1回答
在当前用于二元Logistic回归的科学知识学习文档中，存在以下成本函数的最小化：
\min_{w, c} \frac{1}{2}w^T w + C \sum_{i=1}^n \log(\exp(- y_i (X_i^T w + c)) + 1)
问题：
c术语是什么？这一点在文件中没有解释。
当使用LogisticRegression(multiclass=multinomial)时，成本函数最小化是什么？
浏览 0提问于2021-02-04得票数 0
回答已采纳
1回答
我试图检验我的多项Logistic回归模型的假设成立或失败。
多项式Logistic回归模型是一个可以建立和比较的模型，尽管它有这样的假设：
多项logistic回归有假设，如因变量选择的独立性假设。这一假设表明，一个类别的选择或成员资格与另一个类别(即因变量)的选择或成员资格无关。()
因此，在搜索了一段时间之后，我发现了方差膨胀因素，它衡量了自变量的行为(方差)受其与其他自变量的相互作用/相关性的影响或膨胀程度。
#Multinomial Logisitic Regression
mlrModel = train(
label~.,
data = overallDatase
浏览 0提问于2021-04-13得票数 0
回答已采纳
我一直在努力证明，为什么我要从scikit-learn获得intercept_=0.0和。拟合的Logistic回归参数如下：
LogisticRegression(C=0.0588579519026603, class_weight='balanced',
dual=False, fit_intercept=True, intercept_scaling=6.2196752179914165,
max_iter=100, multi_class='ovr', n_jobs=1, pe
浏览 1提问于2017-07-11得票数 2
回答已采纳
当训练logistic回归时，它经过一个迭代过程，在每个过程中，它计算x变量的权重和偏差值，以最小化损失函数。
从正式的学习代码出发，logistic回归类的拟合方法如下
def fit(self, X, y, sample_weight=None):
"""
Fit the model according to the given training data.
Parameters
----------
X : {array-like, sparse matrix} of shape (n_samples, n_features
浏览 4提问于2021-01-30得票数 2
回答已采纳
在logistic回归中使用正则化参数C(见)，使函数的拟合得到很好的定义，避免过拟合或step函数的问题(见)。
然而，logistic回归中的正则化应该只考虑特征的权重，而不是截距(这里还解释了：)。
但似乎sklearn.linear_model.LogisticRegression实际上也规范了拦截。原因如下：
1)仔细考虑上面的链接()：sigmod稍微向左移动，靠近拦截0。
2)尝试用logistic曲线和人工最大似然函数拟合数据点。将截距包含到L2范数中，得到与sklearn函数相同的结果。
请提出两个问题：
1)我是否弄错了，这是一个错误，还是有充分的理由使拦截正规化？
( 2
浏览 7提问于2017-11-02得票数 4
回答已采纳
2回答
在吴家富的机器学习课程之后，他解释了如何修改logistic回归以获得支持向量机算法。首先，他用铰链损失代替(近似)交叉熵损失，如下图所示：
📷
然后去掉\frac{1}{m}系数，将整个成本函数除以正则化参数\lambda，从而导致σ(C=\frac{1}{\lambda})后面的参数C。生成的成本函数如下图所示，这是支持向量机的最小化目标：
📷
随后，他指出，通过选择参数C的一个很大的值，支持向量机将成为一个大的边缘分类器。在logistic回归中，参数C的大值等于选择参数\lambda的小值。那么，对于\lambda来说，具有小值的logistic回归是否也是一个大边缘分类器？
浏览 0提问于2020-03-12得票数 3
回答已采纳
1回答
模型选择只给回截距模型
、、、、
我正在对冠心病模型和几个变量进行logistic回归(见数据框架)。
ind sbp tobacco ldl adiposity typea obesity alcohol age chd
1 1 160 12.00 5.73 23.11 49 25.30 97.20 52 1
2 2 144 0.01 4.41 28.61 55 28.87 2.06 63 1
...
我在这个模型上进行了反向逐步选择，以得到最好的模型，但是作为结果，我得到了只包含截距的模型。为什么会是？什么意思？
model <-glm(c
浏览 1提问于2022-06-20得票数 1
回答已采纳
1回答
我有一个系统，我用加权选票的一致意见来预测一个二元结果。
由于选举是时代性的，我们可以把它作为一个例子。比如说，我对过去几年的各种民意测验进行了分析，并根据他们的准确程度给他们一个加权选票。民意测验家斯凯勒的投票结果是3票，而Oakely的得票率是原来的两倍，最终得票率为6。在CGP灰色时尚(有时会谈论选举机制的youtuber )中，斯凯勒预测老虎候选人将赢得开放的市议会席位，奥克利预测SnowLepoard的候选人将赢得这个席位。在本例中，基于加权总票数的预测胜利者将是SnowLepoard，其多数加权得票率为(6/9) 0.66667。当然，任何一次选举的实际结果都会有所不同，但一般来说
浏览 3提问于2020-11-29得票数 1
回答已采纳
很抱歉，这个问题很简单，但我却找不到解决问题的办法。我想用ggplot2绘制逻辑回归线。问题是我不能使用geom_abline，因为我没有原始模型，只是每个回归线的斜率和截距。我已经将这种方法用于线性回归，这在geom_abline中很好，因为您只需给出多个斜率并截取函数。
Geom_abline(数据=估计，aes(截距=内部，斜率=斜率)
其中inter和slo是具有多个值的向量。
如果我用logistic回归中的系数来尝试同样的方法，我会得到错误的回归线(线性)。我试图使用geom_line，但是，我不能使用函数predict来生成预测值，因为我没有原始的模型objetc。
有什
浏览 2提问于2015-08-26得票数 1
回答已采纳
我用插入符号包拟合了一个LASSO logistic回归模型如下，
require(ISLR)
require(caret)
mod_fitg <- train(Direction ~ Lag1 + Lag2 + Lag3 + Lag4 + Volume,
data=Smarket, method = "glmnet",
tuneGrid=expand.grid(
.alpha=1,
.lambda=(0.002))
浏览 0提问于2019-09-02得票数 1
我有一个关于Logistic回归的问题:我的数据集包括一个病例控制数据集，包括100个生病病例和100个健康对照(都是虚构的高斯分布)。因此，流行率为0.5。为了简单起见，我只使用一个变量(x)及其系数B0和B1。使用这些系数和给定的x值，我生成患病的概率(p)，但只对流行率为50%的数据集。然而，我想计算出总体人口的p值，其患病率为9%，但我找不到办法。有人能帮我一把吗？
浏览 0提问于2023-04-30得票数 0
在logistic回归算法中，我们有两个显著的函数(或者说方程)：
Logistic回归函数
Logit函数
我想知道：
在logistic回归模型的建立过程中，这些方程中的哪一个被使用？
在建模过程的哪个阶段使用这些方程中的哪一个？
我知道logit函数用于将概率值( b/w 0和1)转换为实数值( b/w -Inf到+Inf)。我想知道logit函数在logistic回归建模过程中的真正目的。
在Logistic回归建模中，有几个与logit函数的目的直接相关的查询：
Logit函数(即Logit方程LN(P/1-P))是由Logistic回归方程导出的
浏览 3提问于2019-06-03得票数 0
我在R (glm)中进行logistic回归。然后我设法画出结果。我的代码如下：
temperature.glm = glm(Response~Temperature, data=mydata,family=binomial)
plot(mydata$Temperature,mydata$Response, ,xlab="Temperature",ylab="Probability of Response")
curve(predict(temperature.glm,data.frame(Temperature=x),type="resp
浏览 0提问于2012-02-13得票数 4
回答已采纳
1回答
但是，当我选择线性或Logistic回归时，我还没有明确的概念。
另外，我什么时候可以说线性或logistic回归表现更好？
特别是，我想知道什么时候应该选择线性回归，什么时候选择Logistic回归？
浏览 0提问于2015-12-13得票数 4
1回答
我有一组自变量X和一组因变量Y的值。手头的任务是二项式分类，即预测债务是否会违约(1)或不会(0)。在过滤掉统计上不重要的变量和导致多重共线性的变量后，我得到了以下logistic回归模型的总结： Accuracy ~0.87
Confusion matrix [[1038 254]
[72 1182]]
Parameters Coefficients
intercept -4.210
A 5.119
B 0.873
C -1.414
D 3.757 现在，我通过log odds_r
浏览 16提问于2019-03-06得票数 0
回答已采纳
1回答
据我理解，SGD分类器和Logistic回归似乎相似。损失=对数的SGD分类器实现Logistic回归，损失=铰链实现线性支持向量机。我还了解到logistic回归采用梯度下降作为优化函数，SGD采用随机梯度下降，收敛速度要快得多。但这两种算法中哪一种会在哪种情况下使用？另外，SGD和Logistic回归有什么相似之处，它们又有何不同？
浏览 0提问于2018-09-07得票数 10
使用此数据集和logistic回归模型：
dat <- data.frame(time=rep(seq(1,10), times=3), response=c(0,0,0,1,0,1,1,1,1,1, 0,0,0,0,0,1,1,1,1,1, 0,1,0,0,0,0,1,1,1,1))
mod <- glm(response ~ time, data=dat, family="binomial")
在给定概率时如何计算time，比如0.5
浏览 1提问于2022-07-27得票数 3
回答已采纳
我有一个具有二进制变量set /No和连续变量(X)的数据集。我正试图建立一个模型来将是/否X分类。
根据我的数据，当X= 0.5时，48%的观测值是肯定的。然而，当X= 0.5时，我知道是的真实概率应该是50%。当我使用logistic回归X= 0.5 != PYes=0.5创建模型时。
我该怎么纠正呢？我想，如果不通过正确的观点，那么所有的概率都应该被稍微低估。
在我的样本中加入一堆观察来调整比例是正确的吗？
不一定仅仅是逻辑回归，LDA、QDA等也是感兴趣的。
我搜索过堆栈溢出，但只找到了有关线性回归的主题。
浏览 4提问于2016-12-28得票数 0
回答已采纳
在logistic回归算法中，我们有两个显著的函数(或方程)：1. Logistic回归函数。2. Logit功能。
我想知道：( a )在逻辑回归模型的建立过程中，使用了哪些方程(S)？( b )在建模过程的哪个阶段(S)被使用？
我知道logit函数用于将概率值( b/w 0和1)转换为实数值( b/w -Inf到+Inf)。我想知道logit函数在logistic回归建模过程中的真正目的。
在Logistic回归建模中，有几个与logit函数的目的直接相关的查询：
Logit函数(即Logit方程LN(P/1-P))是由Logistic回归方程导出的，还是反过来导出的？
Logit方程在
浏览 0提问于2019-06-05得票数 2
1回答
Logistic和线性回归具有不同的成本函数。但我不明白logistic回归中的梯度下降与线性回归是如何一致的。
通过推导平方误差代价函数，得到了梯度下降公式。然而，在Logistic回归中，我们使用了一个对数成本函数。我想我在这里迷路了。
浏览 0提问于2018-01-22得票数 1
回答已采纳
2回答
如何在SAS中使用岭回归优化Logistic回归？根据注释和，这应该已经在SAS中使用PROC HPGENSELECT实现了。但是怎么做呢？
我是SAS的新手，来自R的世界。我有点迷失方向，通常很难在SAS中找到R类似物。
浏览 2提问于2017-03-22得票数 1
我已经拟合了一个logistic回归模型，它可以预测来自mpg (mtcars dataset)的二进制结果。情节如下所示。如何确定任何特定vs值的vs值？例如，我感兴趣的是，当mpg的概率为0.50时，vs值是多少。感谢任何人能提供的任何帮助！
model <- glm(vs ~ mpg, data = mtcars, family = binomial)
ggplot(mtcars, aes(mpg, vs)) +
geom_point() +
stat_smooth(method = "glm", method.args = list(fami
浏览 2提问于2015-08-16得票数 12
回答已采纳
维基百科关于Logistic回归的文章说：
Logistic回归是Fisher 1936年线性判别分析方法的一种替代方法。如果线性判别分析的假设成立，则应用Bayes规则反演logistic模型中的条件，因此，如果线性判别假设为真，则logistic回归假设必须成立。相反，逻辑模型比判别分析有更少的假设，对自变量的分布不作任何假设。
有人能帮助我理解线性判别的假设是什么，他们持有的一个例子，以及如何应用Bayes规则的结果在Logistic模型中。
是否可以正确地说，Logistic回归总是首选的选择？是否有线性判别分析是首选的条件？
浏览 0提问于2016-05-06得票数 2
回答已采纳
有关数据集的信息：
df.shape = (10000, 100)
所有的特征都是数值。
每一列中很少有离群值。异常值最多的列有0.7%的数据为异常值。
我正在努力改进我的基线逻辑回归；然而，我被困住了。
baseline = LogisticRegression(solver='lbfgs', max_iter=100, penalty='l2')
以下是我采取的一些方法和相关结果：
标准标度- Logistic回归(相似)
稳健标量Logistic回归
剔除异常值(IQR方法)-标准标量- Logistic回归(更糟)
标准标量- PCA (解释83%方差的
浏览 0提问于2021-05-08得票数 1
3回答
我试图理解朴素贝叶斯和Logistic回归所需假设的差异。
据我所知，朴素贝叶斯和Logistic回归都应该具有彼此独立的特征，即预测器不应该有任何多重共线性。
并且只在Logistic回归中应遵循自变量的线性和对数赔率。
如果我错了，请纠正我，朴素回归和逻辑回归之间还有其他假设/区别吗？
浏览 2提问于2019-12-02得票数 0
在信用申请中通常使用记分卡。开发信用记分卡的一个非常常见的模型是logistic回归，因为它有明确的概率。
除了logistic回归，是否有任何模型可以用于记分卡？
例如，我不知道是否可以使用支持向量机，因为它只输出决策边界。
关于记分卡的更多内容：
特征指定了权重。
所有功能都是绝对的。
所有功能的权重之和为True值，即总分(如核对表)。
将有一个临界点来区分好坏(标签，+1，-1)
离临界点有多远表示概率。
浏览 0提问于2020-06-08得票数 2
回答已采纳
1回答
我在R中使用caret软件包，进行岭Logistic回归。现在我能找到每个变量的系数。
的问题是：如何用岭logistic回归来了解各变量的系数的标准误差？
下面是我的示例代码：-
Ridge1 <- train(Group ~., data = train, method = 'glmnet',
trControl = trainControl("cv", number = 10),
tuneGrid = expand.grid(alpha = 0,
浏览 3提问于2020-02-12得票数 1
Logistic回归应该只在线性可分的数据上才能很好地工作。正如我们在对图中看到的，数据点有很大的重叠。logistic回归模型比决策树法、KNN法、随机森林法(适用于重叠数据的方法)具有更好的精度。即使交叉验证得分较高，我的logistic回归模型。
📷
浏览 0提问于2021-09-26得票数 4
2回答
我正在用Math.NET进行简单的线性回归。
我在下面提供了一个通用代码示例。除了这个例子，还可以使用Fit类进行简单的线性回归。
另外，我想要的是指定额外的约束，比如固定的y-截距，或者强制fit通过一个不动点，例如(2，2)。如何在Math.NET中实现这一点？
var xdata = new double[] { 10, 20, 30 };
var ydata = new double[] { 15, 20, 25 };
var X = DenseMatrix.CreateFromColumns(new[] {new DenseVector(xdata.Length, 1), new
浏览 3提问于2014-06-16得票数 5
我试图用R中的bife软件包来估计一个具有固定效应的logistic回归模型，我使用这个链接-- --来建立模型。我的模型在bife命令中使用时如下所示：
logit.bife <- bife(Y ~ X1+X2+X3+X4+...+X13 | ID)
当我使用bife时，如何获得拦截值？它是否包含在我们在输出中得到的平均固定效应中？利用logit.bife$par_corr$avg_alpha可以获得平均固定效应。我有大约1266个ID值，使用logit.bife$par_corr$avg_alpha得到1256个固定效果估计值。但是，我不知道如何得到拦截值。结果表明，bife估计与
浏览 0提问于2019-02-03得票数 4
回答已采纳
我正在阅读，它将PCA和logistic回归结合在一起，然后在管道中应用交叉验证，并为PCA和Logistic回归定义一组参数。下面是我从这个例子中了解到的，然后我会问我的问题。
我明白：
当GridSearchCV被执行时，它的默认值为3倍。因此，首先计算20个分量的PCA，然后对数据进行变换，再进行Logistic回归进行训练。现在，对于logistic回归C参数的每个值，它将应用3倍交叉验证，并查看哪些值，因此最终将进行logistic回归的3*3=9训练，因为我们有3个C参数值，每个参数值有3倍的交叉验证。
在此之后，对PCA的第二个参数进行同样的处理，即40次，其他9次训练。最后对P
浏览 3提问于2014-03-05得票数 0
回答已采纳
1回答
我用geepack对R进行geeglm()估计logistic边际模型。但我得到的是垃圾估计。它们大约大了16个数量级。然而，p值似乎与我预期的相似。这意味着响应实质上变成了一个step函数。见附图
下面是生成情节的代码：
require(geepack)
data = read.csv(url("http://folk.uio.no/mariujon/data.csv"))
fit = geeglm(moden ~ 1 + power, id = defacto, data=data, corstr = "exchangeable", family=bi
浏览 0提问于2017-01-16得票数 7
回答已采纳
我们使用的是Spark 1.3.1。我已经阅读了spark文档，发现我们不能为Logistic回归的数据中的每一行赋予权重。有没有什么简单的方法可以让我在spark的Logistic回归中包含权重？或者，这个设施是否正在为即将到来的未来而规划？
PS:我不是在谈论初始权重。我说的是加权Logistic回归。
浏览 4提问于2015-08-12得票数 1
2回答
根据我所理解的，线性回归可以预测可以具有连续值的结果，而logistic回归预测的结果是离散的。在我看来，logistic回归类似于一个分类问题。所以，为什么叫回归？
还有一个相关的问题：
浏览 9提问于2015-05-28得票数 7
回答已采纳
我一直在我的tweets数据集上运行逻辑回归、神经网络、朴素贝叶斯和SVM模型。我正在做情感分析，其中R是根据训练数据预测文本是积极的、中性的还是消极的。
我注意到varImp对于神经网络、朴素贝叶斯和支持向量机总是相同的。然而，logistic回归的变量具有非常不同的变量重要性。我只是好奇为什么会这样？逻辑回归不是一个很好的文本分析模型吗？或者有没有适合使用它的时候？
浏览 5提问于2016-04-23得票数 1
2回答
我知道线性回归做“回归”，logistic回归做“分类”。当我们实现这两种方法时，我能注意到的唯一不同是损失函数:线性回归使用均方误差这样的损失函数，logistic使用交叉熵。还有什么我不知道的区别吗？
浏览 0提问于2018-09-14得票数 1
回答已采纳
1回答
运用logistic回归分析，我试图模拟女性和收入低于贫困线(两个二元变量)对预测高血压发病概率的边际效应。我创建了一个交互术语(poverty_FEMALE)来尝试建模，但我不确定我对系数的解释是否正确。
是否正确地说：
处于阈值以下的边缘效应与男性为：.067 -.055，女性和非贫困的边际效应为：.041 -.055，女性和贫困的边际效应为-.055?。
如果是这样的话，为什么贫穷和女性的风险较低，而这两个变量的系数本身就是我们的正值？
pov_FEMALE=(df$BELOW_100_POVERTY*(df$FEMALE))
Marginal Effects:
浏览 2提问于2020-10-01得票数 0
回答已采纳
2回答
我正在阅读关于SVM的文章，我已经面对了非核化的SVMs只不过是线性分离器的观点。因此，SVM和logistic回归之间的唯一区别是选择边界的标准吗？
显然，SVM选择最大边缘分类器，logistic回归是cross-entropy损失最小化的分类器。在某些情况下，SVM的表现要好于logistic回归，反之亦然？
浏览 0提问于2018-05-09得票数 12
回答已采纳
我最近对DS和ML很感兴趣，而logistic回归是我学到的第一批算法。在我的第一个疗程中，有人说ln(p/(1-p) )用于logistic回归。但后来我又上了一门课，被告知关于乙状结肠功能的logistic回归。其中哪一种更适合于二进制分类？在哪里使用概率对数，在哪里使用乙状结肠？
浏览 0提问于2022-01-12得票数 1
1回答
我正在用logistic回归和不应用PCA进行二元分类。与单纯logistic回归相比，PCA在logistic回归前的应用具有较高的准确性和较低的FNs。我想找出这种情况发生的原因，特别是为什么PCA产生的FN较少。据我所知，成本敏感性分析可能有助于解释这一点，但我不确定这是否正确。有什么建议吗？
浏览 0提问于2018-03-13得票数 0
回答已采纳
1回答
我想为在Matlab中使用Logistic回归获得的模型绘制分类边界。除了Matlab以外的解决方案是受欢迎的，但我需要访问Logistic回归代码进行修改。
浏览 1提问于2010-09-10得票数 0
1回答
我在维基百科上读到关于逻辑回归的文章，里面谈到了一个方程，其中z的输出取决于beta1，beta2，beta3等的值，这些值被称为回归系数，以及beta0，这是截距。
给定一个已知输出概率和输入依赖因子的值的样本集，如何确定这些系数和截距的值？
浏览 0提问于2011-09-21得票数 2
回答已采纳
我正在使用TextClassificationEngine。给出了文本分类的两种算法(朴素贝叶斯和Logistic回归)。朴素贝叶斯算法工作良好，但当我使用Logistic回归时，它给出了一些误差。
{
"id": "default",
"description": "Default settings",
"engineFactory": "org.template.textclassification.TextClassificationEngine",
"datasour
浏览 1提问于2015-09-28得票数 0
回答已采纳
我无法想象我必须在多功能数据中观察到什么样的“趋势”，才能说'Logistic回归在这里会很好‘。
例如，如果我只有一个特性，如果数据类似，所有负数据都是0类，所有正数据都是1类，那么我可以清楚地说，Logistic回归在这里工作得很好。
那么，我需要对数据进行什么样的“分析”(多功能)才能决定Logistic回归是否有效？
浏览 0提问于2020-07-19得票数 1
回答已采纳
2回答
截距参数的正则化
、、、、
为什么正则化参数不应用于拦截参数？
根据我所读到的线性和Logistic回归的成本函数，正则化参数(λ)被应用于除截距以外的所有项。例如，这里分别是线性回归和logistic回归的成本函数(注意j从1开始)：
📷
📷
浏览 0提问于2020-05-04得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
