机器学习怎么选择参数（一分钟读懂机器学习之Logistic）

机器学习怎么选择参数（一分钟读懂机器学习之Logistic）也就是说将t 即weighted sum代入到logistic函数，得到的结果就是logistic，即样本预测概率。Logistic 函数对于输入数据（Input），logistic regression首先计算其加权和（Weighted sum），区别于一般的线性回归（linear regression）直接输出结果，logistic regression输出其结果的logistic作为概率，如下图公式所示：Logistic regression 概率评估什么是logistic呢？就是上面的σ函数，具体公式如下：

Logistic Regression这货起个回归（Regression）的名，但做的却是分类（Classification）的事。

一句话概括就是：Logistic regression通过评估某个样本属于某一类的概率是多大来对样本进行分类。

如果概率（p^）大于0.5，那么预测值为1，将样本归于positive，概率小于0.5，那么预测值为0，将样本归于negative。所以他是个二元分类器。

那么Logistic regression概率怎么评估的呢？

对于输入数据（Input），logistic regression首先计算其加权和（Weighted sum），区别于一般的线性回归（linear regression）直接输出结果，logistic regression输出其结果的logistic作为概率，如下图公式所示：

Logistic regression 概率评估

什么是logistic呢？就是上面的σ函数，具体公式如下：

Logistic 函数

也就是说将t 即weighted sum代入到logistic函数，得到的结果就是logistic，即样本预测概率。

Logistic函数是一个sigmoid函数（S型函数），如下图所示，logistic 函数输出区间在0和1之间，这个输出的0到1之间的值，我们把就它当做是样本属于某一类的概率。无论你输入的是什么数，这个函数得出的结果都在0到1之间。

Logistic 函数