分类从结果的数量上可以简单的划分为:

  • 二分类(Binary Classification)
  • 多分类(Multinomial Classification)。

前言

其中二分类是最常见且使用最多的分类场景,解决二分类的算法有很多,比如:

  • 基本的KNN、贝叶斯、SVM
  • Online Ranking中用来做二分类的包括FM、FFM、GBDT、LR、XGBoost等

多分类中比如:

  • 改进版的KNN、改进版的贝叶斯、改进版的SVM等
  • 多类别的逻辑回归
    啰嗦了这么多,其实就是为了说这个多分类的逻辑回归。

简介

在统计学里,多类别逻辑回归是一个将逻辑回归一般化成多类别问题得到的分类方法。用更加专业的话来说,它就是一个用来预测一个具有类别分布的因变量不同可能结果的概率的模型。

另外,多类别逻辑回归也有很多其它的名字,包括polytomous LR,multiclass LR,softmax regression,multinomial logit,maximum entropy classifier,conditional maximum entropy model。

在多类别逻辑回归中,因变量是根据一系列自变量(就是我们所说的特征、观测变量)来预测得到的。具体来说,就是通过将自变量和相应参数进行线性组合之后,使用某种概率模型来计算预测因变量中得到某个结果的概率,而自变量对应的参数是通过训练数据计算得到的,有时我们将这些参数成为回归系数。

模型分析

原文:https://blog.csdn.net/Gamer_gyt/article/details/85209496


打开微信扫一扫,关注微信公众号【搜索与推荐Wiki】