用Pytorch从0到1实现逻辑回归

于 2022-07-22 15:20:19 发布
阅读量1k 收藏 1
点赞数 2
文章标签： 深度学习
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/qq_41387508/article/details/125933215
版权

在机器学习/深度学习中，二分类也是经常遇到的任务，逻辑回归就是二分类中常用的模型。

本文简单回顾下逻辑回归，并且用Pytorch实现。

逻辑回归Logistic Regression

逻辑回归是机器学习中常用的一种二分类算法，常用于疾病预测等“非黑即白”的分类，简单说就是在使用逻辑回归的任务中，标签数据的Y值要么是0要么是1。

Sigmoid函数

逻辑回归，不管怎么着，还是一个回归，而我们是用它来进行分类的。回归一般的得到的是一个连续值，二分类需要的是0或者1（类别），那么怎么建立起连续值到类别的映射关系呢？这时候Sigmoid函数就发挥作用了。 Sigmoid函数的公式如下：

其示意图为：

最低0.47元/天 解锁文章
公众号学一点会一点
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pytorch入门
weixin_36670529的博客
09-11 368
1、Tensor(张量) Pytorch里面处理的最基本的操作对象就是Tensor，Tensor是张量的英文，表示的是一个多维的矩阵，比如零维就是一个点，一维就是向量，二维就是一般的矩阵，多维就相当于一个多维的数组，这和numpy是对应的，而且Pytorch的Tensor可以和numpy的ndarray相互转换，唯一不同的是Pytorch可以在GPU上运行，而numpy的ndarray只能在CP...
torch.max讲解-- 指定维度下，数值最大位置设为1其他为0
计算机视觉
11-20 4038
x是输入张量 dim指定维度 max表示取最大值 import torch if __name__ == '__main__': x = torch.randn([1, 3, 4, 4]).cuda() mask = (x == x.max(dim=1, keepdim=True)[0]).to(dtype=torch.int32) result = torch.mul(mask, x) print(x) print(mask) pri
Pytorch从0到1之基本操作——(1)
weixin_44755413的博客
04-22 659
开篇 Pytorch是对于深度学习人员来说的一种很重要的框架，它是由Facebook根据torch而衍生出来的新式框架。对于计算机视觉来说，目前的一些顶会例如CVPR，这些新技术新论文的实现大多使用的是Pytorch，而且增长率也远远超过tensorflow.虽然TensorFlow也是超级牛*的框架，但是两个一起学不是更好吗？周末我也会更新我自己学习TensorFlow的一些教程。 Pytorc...
Pytorch从0到1之前向神经网络——(4)
weixin_44755413的博客
04-26 313
开篇 这次我们来用pytorch实现一个自己的前向神经网络。与其说是神经网络不如就把它当成一个感知机理解，并没有达到deep-learning层面的神经网络，这是由简单的连接层和激活层组成，为后面介绍deep-learning领域的基础神经网络热热身。开始吧。 搭建前向神经网络 引入库 import torch import torchvision import torch.nn as nn im...
PyTorch学习笔记二：用PyTorch逻辑回归（二分类问题）
xjq0000的博客
10-23 1112
相关知识 1、分类问题不同于线性回归，是输出属于每一个类别的概率。概率最大的就是最后的类别。 2、sigmoid函数 使用sigmoid函数将线性回归里的输出值[-无穷，+无穷]映射到[0,1]。 其他的sigmoid函数： 这些函数满足的条件： 函数值有极限、都是单调的增函数、都是饱和函数。 逻辑回归模型： 损失函数的变化： 这里使用的是交叉熵损失，交叉熵损失描述的的是两个分布之间的差异，越大越好，这里加了一负号，所以是越小越好。 代码 代码部分和线性回归模型差不多还是分为四步。 一、Prepar
Pytorch中的激活函数
Tiiktak‘s
02-17 850
介绍神经网络的时候已经说到，神经元会对化学物质的刺激进行，当达到一定程度的时候，神经元才会兴奋，并向其他神经元发送信息。神经网络中的激活函数就是用来判断我们所计算的信息是否达到了往后面传输的条件。 为什么激活函数都是非线性的 因为如果使用线性的激活函数，那么input跟output之间的关系始终为线性的，这样完全可以不使用网络结构，直接使用线性组合即可。 所以需要激活函数来引入非线性因素，使得神经...
基于 Pytorch 实现 逻辑回归算法实现
06-26
基于 Pytorch 实现 逻辑回归算法实现
PyTorch线性回归和逻辑回归实战示例
09-20
在PyTorch中实现线性回归和逻辑回归是深度学习初学者经常接触的基本任务，这两个模型也是理解机器学习基础的好入口。线性回归用于预测连续数值型数据，而逻辑回归则用于分类问题，特别是二分类问题。下面我们将详细...
Pytorch-pytorch深度学习教程之逻辑回归.zip
最新发布
05-22
本教程主要介绍了如何在PyTorch中实现逻辑回归，从数据预处理到模型构建、训练和评估。理解这些基础知识对于进一步探索深度学习模型，如卷积神经网络（CNN）和循环神经网络（RNN）等，是非常重要的。PyTorch的易用性...
PyTorch 实现 逻辑回归、多元分类-谢TS的博客.pdf
07-17
逻辑回归的核心是Sigmoid函数，它将输入映射到(0,1)之间，这个范围恰好对应了二分类问题中的概率。Sigmoid函数的表达式为f(x) = 1 / (1 + e^(-x))。通过Sigmoid函数，我们可以将线性模型的输出转换为每个类别的概率...
PyTorch线性回归和逻辑回归实战示例.pdf
04-17
在这个实战示例中，我们探讨了如何使用 PyTorch 实现线性回归和逻辑回归。 线性回归是一种简单的统计模型，用于预测一个连续变量。在 PyTorch 中实现线性回归主要涉及以下几个步骤： 1. **设计网络架构**：线性...
python中大于0的元素全部转化为1，小于0的元素全部转化为0的代码
热门推荐
weixin_33831196的博客
12-22 2万+
【code】 """ 大于0的元素全部转化为1 """ np_arr = np.array([[1 ,2, 3, 4]]) print("转化前：") print(np_arr) print("转化后：") print(np.int64(np_arr>0))   【result】 转化前： [[1 2 3 4]] 转化后： [[1 1 1 1]]   【code】 "&qu
pytorch 只保留tensor的最大值或最小值，其他位置置零
bxdzyhx的博客
09-12 6359
如下，x是输入张量，dim指定维度，max可以替换成min import torch if __name__ == '__main__': x = torch.randn([1, 3, 4, 4]).cuda() mask = (x == x.max(dim=1, keepdim=True)[0]).to(dtype=torch.int32) result = torch.mul(mask, x) print(x) print(mask) p
pytorch基本操作
scarlet witcher的博客
07-23 1046
1.索引与切片 a = torch.rand(4, 3, 2, 2) print(a.shape, a[0].shape, a[0, 0].shape, a[0, 0, 0].shape, a[0, 2, 1, 0]) print(a[:2].shape, a[:2, :1].shape, a[:2, :1, :1].shape) print(a.index_select(0, torch.tensor([0, 1, 2])).shape ) # 选择第一个维度的下标为0、1和2。第二个参数
Pytorch.clamp：将小于0的元素修改为0，截断元素的取值空间
weixin_44633882的博客
04-18 1万+
Pytorch.clamp：将小于0的元素修改为0，截断元素的取值空间 torch.clamp(input, min, max, out=None) → Tensor 将输入中每个元素夹紧到[min,max]区间中，算法公式如下： yi={min⁡ if xi<min⁡xi if min⁡≤xi≤max⁡max⁡ if xi&gt...
0-1.logistic回归
我不是坏人的博客
09-20 837
本人这些内容的知识主要是来自吴恩达课程deeplearning.ai课程，推荐大家观看
【高等数学】01 映射、函数
菜鸟成长日记
04-10 449
映射 x ，y 非空集合 对每一个x都有唯一的y与之对应（一对多，一对一） x 叫定义域 记作：D （domain） y 叫 值域 记作：R（range） 映射是集合到集合之间的关系 注意： 三要素 ...
Pytorch 替换tensor中大于某个值的所有元素
进击的扛把子
01-21 6172
这是在自己做多标签分类任务时用到的，最后把结果sigmoid处理，值位于【0， 1】之间，大于阈值的取1，小于阈值的取0 两种方法： a = torch.rand((1, 3)) # 保证和a相同的维度大小 zero = torch.zeros_like(a) one = torch.ones_like(a) # a中大于0.5的用one(1)替换,否则a替换,即不变 a = torch.where(a > 0.5, zero, a) # a中小于0.5的用zero(0)替换,否则a替换
pytorch高阶操作
且慢
09-02 268
pytorch高阶操作 where函数 torch.where(condition,x,y) 可能新生成的tensor一部分来自x，一部分来自y，但是是没有规律的 例子：假设一个tensor表示识别概率，大于0.5表示1，小于0.5表示0 a = torch.rand(2,2) print(a) tensor([[0.9872, 0.9270], [0.6795, 0.0959]]) aa = torch.zeros(2,2) bb = torch.ones(2,2) answer
使用pytorch实现逻辑回归
05-10
好的，下面是使用 PyTorch 实现逻辑回归的代码示例： ```python import torch import torch.nn as nn import torch.optim as optim import numpy as np # 定义数据 X = torch.tensor([[1.0, 2.0], [2.0, 3.0], ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值