![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习基础
文章平均质量分 72
cs_wyong
这个作者很懒,什么都没留下…
展开
-
logistic回归的梯度计算
在logistic回归中,假设我们的训练集由m个已标记样本组成:\[\{ ({x^{(1)}},{y^{(1)}}),...,({x^{(m)}},{y^{(m)}})\} \]且激活函数为sigmoid函数:\[{h_\theta }(x) = \frac{1}{{1 + {e^{ - {\theta ^T}x}}}}\]损失函数为:\[J(\theta ) = - \frac{1}{m}\s原创 2018-01-22 21:55:22 · 1345 阅读 · 0 评论 -
softmax回归梯度计算及其与logistic回归关系
在softmax回归中,假设我们的训练集由m个已标记样本组成:\[\{ ({x^{(1)}},{y^{(1)}}),...,({x^{(m)}},{y^{(m)}})\} \]且激活函数为softmax函数:\[p({y^{(i)}} = j|{x^{(i)}};\theta ) = \frac{{{e^{ - {\theta _j}^T{x^{(i)}}}}}}{{\sum\limits_{l原创 2018-01-22 21:55:35 · 599 阅读 · 0 评论