線性分類器(Linear Classifiers)是一種假設特徵與分類結果之間存在線性關係的模型,這個模型通過累加各個特徵的數值與特徵的權重的乘積來做決策。
線性關係定義
如果我們定義x =
這裡的f取值範圍分佈在整個實數域。
二分類問題
最簡單二分類問題是希望f取0或1,因此需要一個函數把原先的整個實數域映射到(0,1)。於是一個重要的函數應運而生—邏輯斯蒂(logistic)函數
這裡z屬於整體實數域,且g屬於(0,1)它的函數圖像如下:
邏輯斯蒂迴歸模型
如果將上面的兩個方程整合,將z替換為f,就獲得了一個經典的線性分類器,邏輯斯蒂迴歸模型(logistic regression):
從上圖可以看出模型如何處理一個待分類的特徵向量:如果z=0,那麼g=0.5;如果g<0.5,這特徵向量歸為一類;反之,如果g>0.5,這特徵向量被判別為另一類。
下次更新邏輯斯蒂迴歸相關的實戰案例,歡飲大家關注!!!
好了,今天加班回來有點晚,就到這吧!大家理解了嗎,如有疑問,歡迎關注留
閱讀更多 AI上金融 的文章