1700534294
1700534295
1700534296
1700534297
1700534298
1700534299
其中为模型的参数，而可以看作是对概率的归一化。为了方便起见，我们将这k个列向量按顺序排列形成n×k维矩阵，写作θ，表示整个参数集。一般来说，多项逻辑回归具有参数冗余的特点，即将同时加减一个向量后预测结果不变。特别地，当类别数为2时，
1700534300
1700534301
1700534302
．
1700534303
1700534304
（3.16）
1700534305
1700534306
利用参数冗余的特点，我们将所有参数减去θ1，式（3.16）变为
1700534307
1700534308
1700534309
1700534310
1700534311
1700534312
，
1700534313
1700534314
（3.17）
1700534315
1700534316
1700534317
其中。而整理后的式子与逻辑回归一致。因此，多项逻辑回归实际上是二分类逻辑回归在多标签分类下的一种拓展。
1700534318
1700534319
当存在样本可能属于多个标签的情况时，我们可以训练k个二分类的逻辑回归分类器。第i个分类器用以区分每个样本是否可以归为第i类，训练该分类器时，需要把标签重新整理为“第i类标签”与“非第i类标签”两类。通过这样的办法，我们就解决了每个样本可能拥有多个标签的情况。
1700534320
1700534321
1700534322
1700534323
1700534324
百面机器学习：算法工程师带你去面试 [:1700532186]
1700534325
百面机器学习：算法工程师带你去面试 03 决策树
1700534326
1700534327
1700534328
1700534329
场景描述
1700534330
1700534331
时间：早上八点，地点：婚介所。
1700534332
1700534333
“闺女，我又给你找了个合适的对象，今天要不要见一面？”
1700534334
1700534335
“多大？”“26岁。”
1700534336
1700534337
“长得帅吗？” “还可以，不算太帅。”
1700534338
1700534339
“工资高么？” “略高于平均水平。”
1700534340
1700534341
“会写代码吗？”“人家是程序员，代码写得棒着呢！”
1700534342
1700534343
“好，那把他联系方式发来吧，我抽空见一面。”