【深度学习基础-13】非线性回归 logistic regression

版权声明:本文为博主原创文章,未经允许,不得转载!欢迎留言附带链接转载! https://blog.csdn.net/qq_15698613/article/details/86471575

1 概率

条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为:P(A|B),读作“在B的条件下A的概率”。若只有两个事件A,B,那么,

                                            

对于如下图所示的图形,线性回归以已经没办法很好的解决问题

2 Logistic Regression(逻辑回归)基本模型

测试数据X (x0, x1, x2, ...., xn)

要学习的参数:

如果采用向量表示

处理二值数据时,引入Sigmoid函数时曲线平滑化

扫描二维码关注公众号,回复: 4987523 查看本文章

预测函数:

上面的预测函数还可以用概率进行表示:

正例(y=1)

反例(y=0)

3 COST函数(成本函数)

\sum_{i=1}^{m}(h_\theta(x^{(i)})-y^{(i)} )^2,找到合适的\theta _0\theta _1使得h_\theta (x^{i})=\theta _0 + \theta _1x^{(i)}式子最小

4 采用梯度下降来计算

 

猜你喜欢

转载自blog.csdn.net/qq_15698613/article/details/86471575