
134
|
第
4
章
y_val_predict = sgd_reg.predict(X_val_poly_scaled)
val_error = mean_squared_error(y_val, y_val_predict)
if
val_error < minimum_val_error:
minimum_val_error = val_error
best_epoch = epoch
best_model = clone(sgd_reg)
请注意,在使用 warm_start = True 的情况下,当调用 fit() 方法时,它将在停止
的地方继续训练,而不是从头开始。
4.6 逻辑回归
正如第 1 章中提到过的,一些回归算法也可用于分类(反之亦然)。逻辑回归(Logistic
回归,也称为 Logit 回归)被广泛用于估算一个实例属于某个特定类别的概率。(比
如,这封电子邮件属于垃圾邮件的概率是多少?)如果预估概率超过 50%,则模型预测
该实例属于该类别(称为正类,标记为“1”),反之,则预测不是(称为负类,标记为
“0”)。这样它就成了一个二元分类器。
4.6.1 估计概率
所以逻辑回归是怎么工作的呢?与线性回归模型一样,逻辑回归模型也是计算输入特征
的加权和(加上偏置项),但是不同于线性回归模型直接输出结果,它输出的是结果的数
理逻辑值(参见公式 4-13)。
公式 4-13:逻辑回归模型的估计概率(向量化形式)
ph
ˆ
= =
θ
() ( )xx
σ
T
θ
逻辑记为
σ
(·),是一个 sigmoid ...