Logistic 回归

Logistic 回归


Logistic回归作为一个学习算法,被用于输出y非0即1的监督学习问题中。Logistic回归的主要目标是使预测结果和训练数据的误差最小。

Cat vs No-cat

输入一张图像,由特征向量x来表示,回归算法将预估图像中有一只猫的可能性。
Givenx,y^=P(y=1|x),where0y^1

在Logstic回归中的参数包括:

  • 输入特征向量: xRnx,nx
  • 训练标签: y0,1
  • 权重: wRnx,nx
  • 门限值: bR
  • 输出: y^=σ(wTx+b)
  • Sigmoid 函数: s=σ(wTx+b)=σ(z)=11+ez

这里写图片描述

(wTx+b) 是一个线性函数 f(ax+b) ,但是因为我们寻求一个在 [0,1] 之间的可能性,所以使用了Sigmod函数。如上图所示,Sigmod函数值介于 [0,1] 之间。
我们能从图中观察得到:

  • z 是一个大的正数,有σ(z)=1
  • z 特别小或是一个“大的”负数时,σ(z)=1
  • z=0 时, σ(z)=0.5
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值