吴恩达 机器学习笔记六(lecture 6)(逻辑回归LR)

这篇博客深入探讨了逻辑回归在分类问题中的应用,包括sigmoid函数、决策边界、损失函数的选择(对数似然函数)、梯度下降优化以及如何处理多分类问题。通过实例解释了如何使用逻辑回归进行二分类,并介绍了高级优化算法如fminunc。
摘要由CSDN通过智能技术生成


逻辑回归(Logistic Regression


1、classification

eg.垃圾邮件识别、交易是否是欺诈、肿瘤类别


2、Hypothesis Representation


很多时候,我们希望我们的预测值输出范围在0~1之间,

可以加入一个sigmoid函数(可以称为逻辑函数),类似神经网络的激活函数,输出范围就控制在了0~1之间



假设函数的输出含义,就是在输入X的条件下,假设函数输出是1的概率



3、决策边界(Decision boundary)


决策边界是假设函数的一个属性,有确定的参数值我们就可以直接得到决策边界。它不是数据集的属性


主要概率大于等于0.5,那么就当作y=1



如果假设函数是 (三个参数分别等于-3,1,1),所以参数向量就是(-3,1,1),则:决策边界的方程就是 x1+x2 = 3.


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