Sadece önceki cevapları eklemek için.
Doğrusal regresyon
Belirli bir X elemanı için çıktı değerini tahmin etme / tahmin etme problemini çözmek içindir (örneğin f (x)). Tahminin sonucu, değerlerin pozitif veya negatif olabileceği sürekli bir işlevdir. Bu durumda normalde çok sayıda örnek içeren bir girdi veri kümeniz ve her biri için çıktı değeri vardır. Amaç, bu veri kümesine bir model sığdırmaktır , böylece yeni farklı / hiç görülmemiş elemanlar için bu çıktıyı tahmin edebilirsiniz. Aşağıda, bir çizgiyi nokta kümesine uydurmanın klasik örneği verilmiştir, ancak genel olarak lineer regresyon daha karmaşık modelleri (daha yüksek polinom dereceleri kullanarak) sığdırmak için kullanılabilir:
Sorunu çözme
Linea regresyonu iki farklı yolla çözülebilir:
- Normal denklem (problemi çözmenin doğrudan yolu)
- Gradyan iniş (Yinelemeli yaklaşım)
Lojistik regresyon
Bir öğe verildiğinde aynı şeyi N kategorisinde sınıflandırmanız gerektiğinde sınıflandırma sorunlarını çözmek içindir . Tipik örnekler, örneğin, spam olarak sınıflandırılıp sınıflandırılmayacağı bir posta ya da ait olduğu kategoriye (araç, kamyon, kamyonet, vb.) Bir araç bulmasıdır. Temelde çıktı sonlu bir ayrık değerler kümesidir.
Sorunu çözme
Lojistik regresyon problemleri ancak Gradyan inişi kullanılarak çözülebilir. Formülasyon genel olarak doğrusal regresyona çok benzer, tek fark farklı hipotez fonksiyonunun kullanılmasıdır. Doğrusal regresyonda hipotez şu şekildedir:
h(x) = theta_0 + theta_1*x_1 + theta_2*x_2 ..
Burada teta sığdırmaya çalıştığımız model ve [1, x_1, x_2, ..] girdi vektörüdür. Lojistik regresyonda hipotez fonksiyonu farklıdır:
g(x) = 1 / (1 + e^-x)
Bu fonksiyon hoş bir özelliğe sahiptir, temel olarak herhangi bir değeri, sınıflandırma sırasında olasılıkları işlemek için uygun olan [0,1] aralığına eşler. Örneğin bir ikili sınıflandırma durumunda g (X), pozitif sınıfa ait olma olasılığı olarak yorumlanabilir. Bu durumda normalde, temel olarak farklı sınıflar arasındaki ayrılığa karar veren bir eğri olan bir karar sınırıyla ayrılmış farklı sınıflarınız vardır. Aşağıda, iki sınıfta ayrılmış veri kümesinin bir örneği verilmiştir.