目录
10.1 逻辑回归
1.广义线性回归
2.逻辑回归
3.交叉熵损失函数
sigmoid函数曲线为非凸曲线,使用交叉熵损失函数解决
交叉熵损失函数可以反映出概率之间的误差
10.2 实例:一元逻辑回归
使用where函数设定阈值
import tensorflow as tf
import numpy as np
pred=np.array([0.6,0.2,0.8,0.49])
tf.where(pred<0.5,0,1)
10.3 线性分类器
1.线性可分
2.线性不可分
3.逻辑运算
10.4 实例:多元逻辑回归
1.加载数据
2.处理数据
·可视化样本
·属性中心化
·生成属性矩阵及标签列向量
3.设置超参数
4.设置参数初始值
5.训练模型
6.可视化
·损失及准确曲线
·绘制决策边界
·绘制分类图
10.5 多分类问题
1.独热编码
2.softmax回归
3.多分类交叉熵损失函数
10.6 实例:多分类
·独热编码
1.导入库与数据
2.处理数据
3.设置超参数及参数初始值
4.训练模型
5.训练结果
6.绘制分类图