基于Logistic回归的数据分类问题研究

• 作者: 邹晓辉
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 监督学习 线性回归 Logistic回归 损失函数 梯度下降 特征选择
• 年，卷（期）: 2016,（6）
• 页码范围: 139-140,143
• 页数: 3页
• 分类号: TP393
• 字数: 2584字
• 语种: 中文

摘要

数据分类是数据科学的一个重要研究方向,Logistic回归是最基本的分类算法之一.线性回归和Logistic回归都属于线性模型,本文介绍了两者的联系,详细阐述了模型的目标函数和参数训练过程.在经典的模式识别数据集Iris上,应用Logistic回归模型基于部分特征和全部特征维度进行了建模和分类预测.实验结果表明,适合比例的训练集和测试集切分,较高权重特征组合的建模可以获得较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹晓辉	吉林师范大学计算机学院	8	67	4.0	8.0