%E4%BB%8E%E5%A4%B4%E5%AE%9E%E7%8E%B0-logistic%E5%9B%9E%E5%BD%92

[giscus[bot]]

%E4%BB%8E%E5%A4%B4%E5%AE%9E%E7%8E%B0-logistic%E5%9B%9E%E5%BD%92

Motivation 线性回归用于分类问题存在两个问题 预测结果 \hat{y} 没有限制，可能小于0或大于1，无法解释为概率 平方损失函数不适合分类问题(非凸) Model 符号含义x_i样本i的特征向量（维度为d，特征均为连续数值变量y_i样本i的真实标签（0/1/2/…）p_{j}某样本，经model计算为j类的概率l_i样本i的交叉熵损失 注意区分i，j \begin{align*} \text{for sample } i, , \hat y_j = \vec{\omega}^T_j \vec{x_j} + b \ p_j = \frac{e^{\hat{y}j}}{\sum...

https://chenghui03.github.io/%E4%BB%8E%E5%A4%B4%E5%AE%9E%E7%8E%B0-logistic%E5%9B%9E%E5%BD%92