AI-逻辑回归模型
AUC的取值范围在0.5到1之间，其中0.5表示模型没有区分能力，而1表示模型具有完美的分类能力。其中，( y_i ) 是样本的真实标签（0或1），( p_i ) 是模型预测该样本为正例的概率，N是样本数量。当模型预测的概率与真实标签一致时，损失函数的值会很小；会在计算损失函数时自动为每个类分配权重
初识人工智能，一文读懂机器学习之逻辑回归知识文集(1)
逻辑回归是一种用于分类问题的统计学习方法。它被广泛应用于预测和分析二元变量的概率。逻辑回归的目标是根据给定的输入变量，将样本分为两个不同的类别。逻辑回归的基本原理是通过使用逻辑函数（也称为sigmoid函数）将线性回归模型的输出转换为概率值。逻辑函数将连续的输入映射到0到1之间的概率值。在逻辑回归中
17- TensorFlow中使用Keras创建模型 (TensorFlow系列) (深度学习)
Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow , CNTK 或者 Theano 作为后端运行。在Keras的官方github上写着"Deep Learning for humans", 主要是因为它能简单快速的创建神经网络,而不需要像Tensorfl
一文详解人工智能：线性回归、逻辑回归和支持向量机（SVM)
在人工智能领域，线性回归、逻辑回归和支持向量机是常见的机器学习算法。本文将详细介绍这三种算法的原理和应用，并提供相应的代码示例。
【机器学习项目实战10例】（七）：基于逻辑回归方法完成垃圾邮件过滤任务
下载下来的数据集是csv格式的，每条数据有两列，分别是文本内容和对应的标签（ham or spam）。我们首先利用python的pandas库读取csv文件中的数据，然后先对数据进行简单分析，然后对数据进行预处理，最后是将文本内容向量化，文本向量化后才可以利用算法模型进行文本分类任务。（1）读取数据
Python利用逻辑回归分类器对乳腺肿瘤进行良性/恶性预测实战（超详细 附源码）
Python利用逻辑回归分类器对乳腺肿瘤进行良性/恶性预测实战（超详细 附源码）
解密人工智能：线性回归 | 逻辑回归 | SVM
本篇文章介绍了3种常见的机器学习算法线性回归、逻辑回归、SVM
解密人工智能：线性回归 | 逻辑回归 | SVM
本篇文章介绍了3种常见的机器学习算法线性回归、逻辑回归、SVM
解密人工智能：线性回归 | 逻辑回归 | SVM
本篇文章介绍了3种常见的机器学习算法线性回归、逻辑回归、SVM
【人工智能的数学基础】什么是交叉熵损失函数？逻辑回归的损失函数数学表达式，并用具体的计算实例来说明
逻辑回归中用到的损失函数是交叉熵损失函数。交叉熵损失函数是一种用于衡量分类模型预测结果和真实标签之间的差距的损失函数，通常用于二分类问题。对于逻辑回归，我们希望模型能够输出一个概率值，表示样本属于正例的概率。hθx11e−θTxhθx1e−θTx1其中，θ\thetaθ是模型的参数，xxx是样本
解密人工智能：线性回归 | 逻辑回归 | SVM
本篇文章介绍了3种常见的机器学习算法线性回归、逻辑回归、SVM
逻辑回归（Logistic Regression）原理（理论篇）
logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。
解密人工智能：线性回归 | 逻辑回归 | SVM
本篇文章介绍了3种常见的机器学习算法线性回归、逻辑回归、SVM
唐宇迪机器学习实战课程笔记(全)
唐宇迪机器学习实战课程笔记(全)
机器学习：基于逻辑回归（Logistic Regression）对股票客户流失预测分析
逻辑回归（Logistic Regression）是一种二分类的监督学习算法，用于预测样本的概率属于某一类别的概率。相比于线性回归，逻辑回归可以更好地处理分类问题。
Python实现逻辑回归(Logistic Regression)
逻辑回归是一种经典机器学习分类算法，它被广泛应用于二元分类问题中，该算法的目的是预测二元输出变量（比如0和1），逻辑回归算法有很多应用，比如预测股票市场、客户购买行为、疾病诊断等等。它被广泛应用于医学、金融、社交网络、搜索引擎等各个领域。
探索五大机器学习技术及其应用
机器学习技术探索与应用
机器学习中的数学原理——分类的正则化
通过这篇博客，你将清晰的明白什么是分类的正则化。这个专栏名为白话机器学习中数学学习笔记，主要是用来分享一下我在 机器学习中的学习笔记及一些感悟，也希望对你的学习有帮助哦！感兴趣的小伙伴欢迎私信或者评论区留言！这一篇就更新一下《 白话机器学习中的数学——分类的正则化》
逻辑回归（Logistic Regression）原理及其应用
本内容主要从逻辑回归应用场景、逻辑回归原理、逻辑回归应用案例，主要是癌症分类预测，还有分类评估方法，主要包含精确率、召回率、F1-score、AUC曲线和ROC指标。
逻辑回归（LogisticRegression）中的参数（详解）
LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=
- 1
- 2
