为何逻辑回归模型可以实现图像分类？
来源：2-7 神经元实现（二分类逻辑斯蒂回归模型实现）
慕桂英雄
2019-04-30
刚学完机器学习，逻辑回归是可以分类，比如说特征是身高，体重，年龄，性别，来分类这个人是胖或是瘦之类的问题。用逻辑回归很有用可解释性也高，但是图像为何也能？？
而且原来的data属于0-255的分布，为何这样的分布逻辑回归就不能学习到合适的参数了？转变为-1,1之后明显提升？
只不过把数据压缩，平均值平移一下，这些data的线性性应该没有动吧？
写回答
1回答
-
在图像分类里，像素点就是特征，虽然某个单一的像素点没有具体的物理意义，但是像素点可以反映图像的某些规律，比如某个位置的像素点，在图像是某个类别的时候可能值得范围是某个特定的区间，这就是像素作为特征的含义。
而对于0-255分布，不是不能学习到合适的参数，而是不容易学到合适的参数，这其实不是0-255区间的问题，而是你的参数初始化的问题，对于不同的数值区间，参数初始化的区间也应该是特定的才能学到合适的参数。有很多卷积网络就没有做归一化，照样可以达到很好的效果啊。
012019-05-05
相似问题