一;逻辑回归分类器 (Logistic classifier)---- 一种线性分类器(linear classifier)
:接受输入,是一个大的向量,如图片的像素灰度值
:权重(weights),一个矩阵
:偏置项(the biased term),可称为偏置
:在逻辑回归的概念中,结果常被称作“logits”
目的:对输入执行一个线性函数来生成预测
应达到的效果:最后结果为0~1之间的值,结果接近1为Yes,接近0为No。
实现方法:softmax函数 :把logits转换为probabilities
扫描二维码关注公众号,回复:
3277739 查看本文章
softmax函数函数体如下:
import numpy as np
def softmax(x):
"""Compute softmax values for each sets of scores in x."""
return np.exp(x)/np.sum(np.exp(x), axis=0)
numpy包中的exp()方法:np.exp(i) ->返回e的i次方。i可以为单个值,也可以为数组、向量、矩阵(此时为数组) |
numpy包中sum()方法:np.sum() ,求和。可输入数组。 默认axis为None,表示将所有元素的值相加 axis = 0按行求和 axis = 1按列求和 |
numpy中array类: |
获取行列数:x.shape -> (4,3) |
获取行数:x.shape[0] -> 4 |
获取列数:x.shape[1] -> 3 |
创建数组: |
np.zeros((3,3)) -> 3*3全为0的数组 |
np.ones((3,3)) -> 3*3全为1的数组 |
np.full((3,3), 0) -> 3*3全为0的数组,与np.zeros((3,3))等同 |