这篇博客详细介绍了线性二分类的概念，包括二分类、多类分类和多标签分类的区别。重点讲解了二分类函数——逻辑回归的算法原理，涉及到正向计算、分类计算和损失函数的计算。博主通过源程序展示了算法实现，并分析了运行结果，强调了数据标准化的重要性。文章结尾提到神经网络训练中的前向传播和反向传播，并指出逻辑回归在二分类问题中的应用。
一、算法思想
（1）二分类:表示分类任务有两个类别，比如我们想识别图片中是不是狗，也就是说，训练一个分类器，输入一幅图片，用特征向量x表示，输出是不是狗，用y=0或1表示。二类分类是假设每个样本都被设置了一个且仅有一个标签 0 或者 1。
（2）多类分类: 表示分类任务中有多个类别, 比如对一堆水果图片分类, 它们可能是橘子、苹果、梨等. 多类分类是假设每个样本都被设置了一个且仅有一个标签: 一个水果可以是苹果或者梨, 但是同时不可能是两者。
（3）多标签分类: 给每个样本一系列的目标标签. 可以想象成一个数据点的各属性不是相互排斥的(一个水果既是苹果又是梨就是相互排斥的), 比如一个文档相关的话题. 一个文本可能被同时认为是宗教、政治、金融或者教育相关话题。
（4）二分类函数：对率函数Logistic Function，本身是激活函数，又可以当作二分类的分类函数。
此函数实际上是一个概率计
最低0.47元/天 解锁文章
扫一扫
13万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
