1、逻辑回归模型
Logistic Regression模型:y’ = σ(WTx+b),记住使用的激活函数σ( )是sigmoid函数。
损失函数:L(y’,y) = -[y·log(y’)+(1-y)·log(1-y’)]衡量预测值y’与真实值y的差距,越小越好。
代价函数:损失均值,J(W,b) = 1/m·Σmi=1L(y’(i),y(i)),是W和b的函数,学习的过程就是寻找W和b使得J(W,b)最小化的过程。求最小值的方法是用梯度下降法。
训练模型的步骤:
初始化W和b
指定learning rate和迭代次数
每次迭代,根据当前W和b计算对应的梯度(J对W,b的偏导数),然后更新W和b
迭代结束,学得W和b,带入模型进行预测,分别测试在训练集合测试集上的准确率,从而评价模型