机器学习第二题之分类

一、单变量分类：

1、激活函数

利用激活函数实现分类。

2、代价函数

理解：y是真实值，而h(x)是预测值，所以，如果预测值等于真实值，那么损失就是0，而如果预测是1，真实是0，那么就证明预测及其不准确，所以损失就变成无穷大。

 

 

3、损失函数的梯度下降：

二、代码实现

准备：

 

 

决策边界

二、多变分类

 

其他差不多，多了以下几个步骤：

1、特征映射

def feature_mapping(x1, x2, power):
   data = {}
   for i in np.arange(power + 1):
      for j in np.arange(i + 1):
         data['F{}{}'.format(i - j, j)] = np.power(x1, i - j) * np.power(x2, j)
   return pd.DataFrame(data)

2、损失函数：

 

3、梯度下降