《机器学习实战》中关于Logistic回归,很多人想问:“此处略去了一个简单的数学推导”,这个数学推导我来讲解一下:
梯度理论:f(x,y,z)在点(a,b,c)的梯度,注意说法,函数在某一点的梯度。
我们先假设有两个样本[x0,x1,x2],[y0,y1,y2],它们对应的类别分别为[z0,z1]
现在要求[w0,w1,w2],使得矩阵X*W=Z与Z0最为接近,下面是推导过程。
《机器学习实战》中关于Logistic回归,很多人想问:“此处略去了一个简单的数学推导”,这个数学推导我来讲解一下:
梯度理论:f(x,y,z)在点(a,b,c)的梯度,注意说法,函数在某一点的梯度。
我们先假设有两个样本[x0,x1,x2],[y0,y1,y2],它们对应的类别分别为[z0,z1]
现在要求[w0,w1,w2],使得矩阵X*W=Z与Z0最为接近,下面是推导过程。