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