逻辑回归分类器生成、图像分类方法、装置、设备和介质

摘要

本公开的实施例公开了逻辑回归分类器生成、图像分类方法、装置、设备和介质。该方法的一具体实施方式包括：获取训练样本集，其中，上述训练样本集中的训练样本包括样本特征集和类别标签；根据对上述训练样本集的迭代逻辑回归分类，生成逻辑回归决策树；基于上述逻辑回归决策树，对上述训练样本集中的每个训练样本进行编码以生成编码特征向量，得到编码特征向量集；利用上述编码特征向量集对初始逻辑回归分类器进行训练，以生成目标逻辑回归分类器。该实施方式使用线性逻辑回归分类器实现对非线性数据的分类，有效的避免了在利用引入核函数后的逻辑回归分类器对数据进行分类时，产生的计算复杂度高等问题，降低了数据分类的计算成本。