Gradient Descent on m Examples

最新推荐文章于 2024-08-27 15:44:04 发布

m0_66288398

最新推荐文章于 2024-08-27 15:44:04 发布

阅读量21

点赞数

文章标签：机器学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_66288398/article/details/134883741

版权

$J(w,b) = \frac{1}{m}\sum_{i=1}^mL(a^{(i)},y^{(i)})$

$\frac{\partial{J(w,b)}}{\partial{w_1}}=\frac{1}{m}\sum_{i=1}^m\frac{\partial{L(a^{(i)},y^{(i)})}}{\partial{w_1}}$ （计算结果，参考前边）

下边计算 Logistic Regression with Gradient Descent

Initialize: J=0, dw_1=0, dw_2=0, db=0

For i= 1 to m:

$z^{(i)}=w^{T}x^{(i)}+b$

$a^{(i)}=\sigma{(z^{(i)})}$

$J += -(y^{(i)}log(a^{(i)})+(1-y^{(i)})log(1-a^{(i)}))$

$dz^{(i)}=a^{(i)}-y^{(i)}$

$dw_1 += x_1^{(i)}-dz^{(i)}$

$dw_2 += x_2^{(i)}-dz^{(i)}$

$J /= m$

$dw_1 /= m$

$dw_2 /= m$

$db /= m$

在写代码的过程中，最好避免用for-loops。Instead，we use "Vectorization".

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Gradient Descent on m Examples

在写代码的过程中，最好避免用for-loops。Instead，we use "Vectorization".下边计算 Logistic Regression with Gradient Descent。（计算结果，参考前边）
复制链接

扫一扫

m0_66288398 CSDN认证博客专家 CSDN认证企业博客

码龄3年

8: 原创

188万+: 周排名

28万+: 总排名

142: 访问

: 等级

80: 积分

0: 粉丝

0: 获赞

1: 评论

0: 收藏

私信

关注

热门文章

最新评论

Logistic Regression
CSDN-Ada助手: 恭喜你开始博客创作！"Logistic Regression"是一个很好的主题选择，它是机器学习领域中非常重要的一部分。你的文章可能会包括关于Logistic Regression的基本概念、应用案例以及如何实现等内容。希望你能在文章中提供更多的实例和案例，以帮助读者更好地理解这个概念。另外，如果你能在后续的博客中探索一些与Logistic Regression相关的进阶话题，比如多类别分类或正则化技术，那将会非常有趣和有益。期待你的下一篇博客！推荐【每天值得看】：https://bbs.csdn.net/forums/csdnnews?typeId=21804&utm_source=csdn_ai_ada_blog_reply1
Logistic Regression Cost Function
CSDN-Ada助手: Great job on your second blog post about logistic regression cost function! It's great to see you diving deeper into this topic and sharing your knowledge with others. Keep up the good work and continue to explore different aspects of machine learning and data analysis. In addition to the cost function, you may want to consider exploring the concept of regularization in logistic regression. Regularization helps prevent overfitting and improves the generalization of the model. It's a valuable skill to have when working with real-world data and can enhance the performance of your models. Keep learning and growing in your understanding of machine learning – there's always more to discover! Keep it up! 如何写出更高质量的博客，请看该博主的分享：https://blog.csdn.net/lmy_520/article/details/128686434?utm_source=csdn_ai_ada_blog_reply2
Gradient Descent
CSDN-Ada助手: 恭喜你在博客上分享了关于“Gradient Descent”的内容！持续创作是非常不易的，你的努力让我们能够从你的经验中学习到更多知识。希望你可以继续分享关于机器学习或者其他相关主题的内容，也可以考虑添加一些实际案例或者应用场景的分析，这样可以让读者更好地理解和应用你分享的知识。期待你的下一篇作品！ CSDN 正在通过评论红包奖励优秀博客，请看红包流：https://bbs.csdn.net/?type=4&header=0&utm_source=csdn_ai_ada_blog_reply3

大家在看

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。