機器學習筆記四--邏輯回歸

來自專欄 daacheng的Python學習總結

邏輯回歸(Logistic Regression)

一、小總結

二、構建模型(假設函數)

三、代價函數(Cost Function)

對於線性回歸模型，我們定義的代價函數是所有模型誤差的平方和。

如果按照誤差的平方和來構造邏輯回歸的代價函數的話， 我們得到的代價函數將是一個非凸函數（non-convexfunction），非凸函數不利於用梯度下降法求最小值。

所以我們要重新定義邏輯回歸的代價函數

四、梯度下降求導

推薦閱讀：