0
点赞
收藏
分享

微信扫一扫

吴恩达深度学习课程logistic回归学习笔记

TiaNa_na 2022-01-31 阅读 50

logistic回归性质:

一个学习算法

logistic回归应用场景:

用在监督学习中,输出y标签是0或者1时,是一个二元分类问题。

logistic回归:

输入是一个n维的特征向量X(一张图片),输出是Y帽,表示X满足条件时,Y=1的概率。

logistic回归的参数:

权重W,也是一个n维的列向量,参数b,是一个实数。

因为参数b是一个实数,为了能够相加,那么权重W要进行转置然后和特征向量相乘。

最后得到的输出范围比较大,没有意义,但我们只需要得到一个0~1的,表示概率的值,因此我们用sigmoid函数。

 sigmoid函数是一个0到1的光滑曲线,0处的值是0.5.z的值如果很大,那么概率值无限接近1,z的值如果很小,那么概率值无限接近0.

因此实现logistic回归,只需要学习参数W和b。

其他形式的符号约定:

通常把W和b分开来,b代表一个拦截器。

 

把参数b和权重W放在一个向量θ中,向量θ是n+1维向量。 

举报

相关推荐

0 条评论