如果要转载请标注 http://blog.csdn.net/qq_30091945
1
Logistic Regression
一 主要思想
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。这里的 “ 回归” 一词源于最佳拟合,表示要找到最佳拟合参数集,其背后
的数学分析将在下一部分介绍。 训练分类器时的做法就是寻找最佳拟合参数,使用的是最
优化算法。
二 一般过程
(1)收集数据:采用任意方法收集数据。
(2)准备数据:由于需要进行距离计算,因此要求数据类型为数值型。另外,结构化数据
格式则最佳。
(3)分析数据:采用任意方法对数据进行分析。
(4)训练算法:大部分时间将用于训练,训练的目的是为了找到最佳的分类回归系数。
(5)测试算法:一旦训练步驟完成,分类将会很快。
(6)使用算法:首先,我们需要输入一些数据,并将其转换成对应的结构化数值; 接着,
基于训练好的回归系数就可以对这些数值进行简单的回归计算,判定它们
属于 哪个类别.,在这之后,我们就可以夺 出的类别上做一些其他分析
工作。
三 Logistic 回归优缺点及适用范围
3.1 优点
计算代价不高,易于理解和实现。