在训练数据上训练 Logistic 回归后，将每个测试样本获取到算法计算样本特征的加权和。如果这大于零，我们知道样本来自负类，否则，样本是正类。我想知道为什么我们需要计算将加权和映射到范围零和一的逻辑函数。一个原因可能是我们想将结果解释为概率。还有其他原因吗？
逻辑函数在逻辑回归中的作用是什么？
数据挖掘
机器学习
分类
逻辑回归
2022-02-17 19:33:41
2个回答
因为它使网络更容易学习所需的输出（通常为 1 或 0）。可以省略逻辑函数（也称为 sigmoid 函数）并获得所需的结果，但是网络必须学会将每个输入具体映射到 1 或 0，当它能够将其映射到任何实数时，这很难。逻辑函数使它更容易，因为网络只需学习将其映射到正数或负数。
现在网络可以根据需要将输入映射到 -6 并且仍然产生所需的输出 -1，而在此之前它必须专门输出 -1。
此外，@Media 逻辑回归不需要为此目的的非线性。它仍然只能以线性方式分离数据。
逻辑和其他激活函数用于向神经网络模型添加非线性。在只使用一个神经元的逻辑模型中，它可能有一个很好的解释。为了解释它除了属于每个类别的概率之外的作用，它的符号显示您的输入数据是在决策边界的左侧还是在右侧。此外，如果它具有很高的价值，则表明它对属于该类别的信心更大。