本文探讨了逻辑回归在多分类任务中的应用，解释了如何将多分类问题转化为多个二分类问题，并讨论了损失函数、熵、概率与熵的关系以及阈值设置。此外，还提到了音乐、文字、图片和视频数据的维度概念。
#内容是给自己看的，会比较杂乱
#这里用了之前写过的那个音乐分类的数据和代码
变成了多个不相关的分类，看上面的图是变成了选取不同的特征做预测
可以是我预测他最后是狗，猫还是狮子，看哪个概率大
这里没图了，可以进行升维，时间、经度、维度、高度，目前最多是霍金提出来的1x维
多元线性回归（Ridge、Lasso、ElasticNet）是做回归预测的
逻辑回归（Logistic Regression）是做分类任务的
Q：做回归预测损失函数是什么？
A：平方均值损失函数MSE
Q：做分类损失函数是什么？
A：做分类损失函数是交叉熵！
Q：什么是熵？
A：熵是一种测量分子不稳定性的指标，分子运动越不稳定，熵就越大，来自热力学
熵是一种测量信息量的单位，信息熵，包含的信息越多，熵就越大，来自信息论，香农
熵是一种测量不确定性的单位，不确定性越大，概率越小，熵就越大！
Q：熵和概率是什么一个关系？
A：随着概率的减小，熵会增大
逻辑回归<
最低0.47元/天 解锁文章
扫一扫
1344
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
