Поскольку мы используем логистическую функцию для преобразования линейной комбинации входных данных в нелинейный выход, как логистическую регрессию можно считать линейным классификатором?
Линейная регрессия похожа на нейронную сеть без скрытого слоя, так почему же нейронные сети считаются нелинейными классификаторами, а логистическая регрессия является линейной?
logistic
classification
neural-networks
Джек Твен
источник
источник
Ответы:
источник
Как отмечает Стефан Вагнер, граница принятия решения для логистического классификатора является линейной. (Классификатор требует, чтобы входные данные были линейно разделимыми.) Я хотел бы расширить математические расчеты, если это не очевидно.
и, взяв натуральное бревно обеих сторон,
таким образом, граница решения является линейной.
Причина, по которой граница принятия решения для нейронной сети не является линейной, заключается в том, что в нейронной сети имеется два уровня сигмоидальных функций: по одному в каждом из выходных узлов, плюс дополнительная сигмовидная функция для объединения и порогового значения результатов каждого выходного узла.
источник
Обратите внимание, что мы предполагаем, что оба распределения принадлежат одному семейству и имеют одинаковые параметры дисперсии. Но в этом предположении логистическая регрессия может моделировать вероятности для всего семейства экспоненциальных распределений.
источник