簡介：本課程從邏輯回歸的定義及其在機(jī)器學(xué)習(xí)所處地位入手，深入淺出的分析和推導(dǎo)邏輯回歸算法的數(shù)學(xué)原理。以邏輯回歸原理為基礎(chǔ)，采用python語言，實(shí)際的開發(fā)一個(gè)基于梯度下降法的邏輯回歸模型；并根據(jù)模擬的數(shù)據(jù)集，對模型的預(yù)測效果作出量化的評估。
第1章 課程介紹
本章中將介紹邏輯回歸的基本概念，闡述邏輯回歸的基本性質(zhì)和建模過程，并指出邏輯回歸在機(jī)器學(xué)習(xí)學(xué)科中所處的類別和地位。
第2章 邏輯回歸的原理
本章中將講述似然函數(shù)、極大似然估計(jì)法的基本概念，并用其建立邏輯回歸算法的損失函數(shù)。闡述函數(shù)梯度的定義和計(jì)算過程，對邏輯回歸損失函數(shù)進(jìn)行最優(yōu)化求解。
第3章 邏輯回歸的代碼實(shí)現(xiàn)
本章中將簡述在課程中，所使用數(shù)據(jù)集構(gòu)建的方法及其基本信息。并對采樣誤差的廣泛性進(jìn)行說明。通過python代碼，開發(fā)基于梯度下降法的邏輯回歸模型。
第4章 邏輯回歸模型應(yīng)用
本章中將分析邏輯回歸擬合的本質(zhì)，簡述過擬合的定義、現(xiàn)象、危害性、以及常用的解決辦法。確定邏輯回歸的幾個(gè)重要入?yún)?，分析模型參?shù)對分類效果的影響作用。