什么是逻辑算法逻辑回归算法你了解多少( 二 ) _生活百科

文章插图
换句话说：当变量Y只有两个值时，您可以考虑使用Logistic回归算法。需要注意的是，Logistic回归算法还可以进行多类分类，下一节作者将对此进行讨论。
6.多类分类
有一些算法可以自己处理（预测）多个类，如Random Forest分类器和Naive Bayes分类器。但有些算法不能做到这一点，比如Logistic回归算法。但是使用一些技巧，您也可以用它预测多个类。
以MNIST数据集为例，讨论刚才所说的“技巧”，该数据集包含从0到9不等的手写数字图像。作为一个分类任务，我们的算法应该告诉我们图像上的数字。
1) one-versus-all
使用此策略，您将训练10个二进制分类器，每个数字一个。这意味着训练一个分类器来检测0s，一个用来检测1s，一个用来检测2s等等。然后，当您想对图像进行分类时，只需查看哪个分类器的决策得分最高就行。
2）one-versus-one
在这里，您将为每一对数字训练一个二进制分类器。这意味着训练一个能区分0s和1s的分类器，一个能区分0s和2s的分类器，一个能区分1s和2s等的分类器。如果有N类，则需要对NxN(N-1)/2分类器进行培训。在MNIST数据集中分类器个数应为45 。
当你想对图像进行分类时，你需要运行这45个分类器中的每一个，最后并选择性能最好的那一个。这么做的优势是，你只需要在它所区分的两个类的训练集合中训练它。相较于支持向量机(SupportVectorMachine)等算法在大型数据集上不能很好的应用。使用像Logistic回归算法和OVO策略这样的二进制分类算法反而是更好的选择。因为在一个小数据集上训练大量分类器比在大型数据集中训练一个分类器要快得多。
在大多数算法中，skLearning在多类分类任务中使用二进制分类器并自动使用OVA策略。有一个例外：当您尝试使用支持向量机分类器时，它会自动运行Ovo策略。
7，其他分类算法
常见的分类算法有Naive Bayes, Decision Trees, Random Forests, Support Vector Machines, k-nearest neighbor and many others，这些也将是作者在后面讨论的内容。
8，摘要
在这篇文章中，您了解了什么是逻辑回归算法以及它是如何工作的。您现在已经对它的优点和缺点有了充分的了解，并且知道什么时候可以使用它。此外，您还发现了使用逻辑回归算法对skLearning进行多类分类的方法，以及为什么它是比较其他机器学习算法的一个很好的基线。
赞 (0) 打赏