Logistic Regression as a Neural Network
Binary Classification
本周要学习的内容
- 不显式使用
for
循环处理m个训练样本 - 前向传播与反向传播
以Logistic Regression为例
逻辑回归是一个一种二元分类算法。课程举例:输入一张图片,算法输出0或1标签,指明图上是不是猫。
术语表
Logistic Regression
logistic回归是一种广义线性回归(generalized linear model),因此与多重线性回归分析有很多相同之处。
它们的模型形式基本上相同,都具有 wTx+b w T x + b ,其中 w w 和
是待求参数,其区别在于他们的因变量不同,多重线性回归即 ŷ=wTx+b y ^ = w T x + b 。但这种形式对于二分类来说并不是好的算法,因为无法把输出值规定在 [0,1] [ 0 , 1 ] 内,来表示一个概率。
而logistic回归则通过函数 L L 将
对应一个隐状态 p p ,
,然后根据 p p 与
的大小决定因变量的值。如果 L L 是logistic函数,就是logistic回归,如果L是多项式函数就是多项式回归。
Logistic函数曲线就是sigmoid曲线。其形式为:
这是一种针对二分类问题的算法。
Logistic Regression Cost Function
为了优化逻辑回归模型的参数 w w 和 需要定义一个代价函数。
Loss(error)function
适用于单一的优化实例。
形式为: L(