第2讲 逻辑回归#

预计整个模块学习时长: 35 分钟

本模块介绍逻辑回归的相关概念。

学习目标:

先修要求:

本模块假设你已经熟悉以下模块中介绍的概念:

本章内容

第2.1节 逻辑回归简介(5分钟)

本文是 Google 机器学习速成课程(Machine Learning Crash Course)逻辑回归模块的入门介绍:从线性回归只能预测连续数值的局限出发,解释为什么要引入逻辑回归来完成「是 / 否」式的二分类任务,对比线性回归与逻辑 …

第2.2节 S型函数计算概率(10分钟)

本文介绍逻辑回归模型如何借助 S 型(Sigmoid)函数把线性输出映射为 0 到 1 之间的概率:包括 S 型函数的公式与曲线特征、线性输出 z 的计算方式、以及对数几率(log-odds)的数学含义,并附有一道随堂练习帮助你检验理解。

第2.3节 损失函数与正则化(10分钟)

本文介绍逻辑回归训练过程中两个与线性回归最关键的区别:使用对数损失(Log Loss)作为损失函数的原因与公式推导,以及通过正则化(Regularization)防止过拟合的必要性,包括 L2 正则化与提前停止(Early …

第2.4节 随堂测验(10分钟)

本文提供逻辑回归模块结束时的 5 道随堂测验题,覆盖线性回归输出与概率预测的关系、S 型(Sigmoid)函数的取值范围、正则化在逻辑回归中的重要性、线性回归与逻辑回归各自适用的损失函数,以及逻辑回归常用的有效正则化方法;每道题都附带可折叠 …