目录
预测的算法——逻辑回归（logistic regression）
预测的算法——逻辑回归（logistic regression）
什么是特征向量
以识别 64*64px img 为例
- 第1步 img 转 rgb 矩阵 64*64*3
- 第2步 rgb 矩阵 转 特征向量 64*64*3维度的特征向量
其中
- x是个(n,1)维的矩阵
- w也是一个(n,1)维的矩阵，它表示权重（weight）
- b是一个实数，在这里可以将其看作为一个阀值
- 逻辑回归简化版: z = dot(w,x) + b
逻辑回归文字举例
你听说在你的城市将会有一个音乐节。你要决定是否去参加这个节日。
你需要通过权衡3个因素（3个特征）来做出决定：1、天气好吗 2、你的女友是否愿意陪你去 3、举办地点离地铁近吗
分析
这3个因素就对应着上图中的x1、x2，x3（它们是x这个训练样本中的3个特征）
我们可以给它们赋个值，如果天气好，那么x1为1，否则为0，x2和x3类推
假设你很讨厌坏天气，如果天气不好，你就不会去参加这个节日，对其它两个因素要求不高不怕冷落了女友
那么我们分别给3个权重赋值为7,2,2。w1的值大很多，这表明天气对你来说很重要，比你的女友是否愿意去，以及交通的便利性更重要
而b我们可以看作一个阀值，假设我们给b赋值为-5，那么也就是说，只要天气好，即使女友不陪你去、交通也不方便，你也会去参加这个节日
解
z= x1 * w1 + x2 * w2 + x3 * w3 = 1 * 7 + 0 * 2 + 0 * 2 = 7（这里的*代表乘法）
(我们这里先不考虑σ函数)，而7 +（-5）> 0，结果是你会去那个音乐节
如果我们选择不同的w和b值，那么对于同一个输入x，会有不同的结果输出
总结
