从逻辑回归到神经网络

最新推荐文章于 2024-05-10 11:24:49 发布

milkhq

最新推荐文章于 2024-05-10 11:24:49 发布

阅读量2.6k

点赞数 19

分类专栏： AI 文章标签：神经网络逻辑回归代价函数推导

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/milkhq/article/details/108380351

版权

本文探讨了逻辑回归在分类问题中的应用，包括二元和多元分类，并介绍了如何通过逻辑函数和代价函数来防止过拟合。进一步，文章阐述了逻辑回归作为单层神经网络的特例，然后扩展到多层神经网络的概念，强调了每一层神经元如何通过加权求和与非线性变换进行计算。

摘要由CSDN通过智能技术生成

逻辑回归：

假设函数 $h_{\theta }(x) = g(\Theta ^{T}X)$

逻辑函数 $g(z) = \frac{1}{1+e^{-z}}$

代价函数 $J(\theta ) = \frac{1}{m} \sum_{i=1}^{m} [-y^{(i)} log(h_{\theta } (x^{(i)})) - (1-y^{(i)}) log(1-h_{\theta } (x^{(i)})) ]$

防止过拟合的代价函数

最低0.47元/天解锁文章

关注

19
点赞
踩
41

收藏

觉得还不错? 一键收藏
2
评论
从逻辑回归到神经网络

逻辑回归：假设函数逻辑函数代价函数防止过拟合的代价函数逻辑回归通常用于解决分类问题，最终要预测的结果是离散的值，分类通常有二元分类和多元分类/n元分类。针对二元分类，如 0-1分类，的结果表示根据选择的参数计算输出变量=1的可能性，eg.= 0.7，表示有70%的概率 y=1，30%的概率 y=0. 针对多元分类，如邮件分类：有来自家人的邮件、来自工作的邮件、来自朋友的邮件、有关兴趣爱好邮件，这四类可分别用y=1、...
复制链接

扫一扫

专栏目录

评论 2

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。