![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
咖啡不加糖有点甜
星辰大海
展开
-
反向传播算法实战
1.神经网络公式推导2.代码实现实现一个4 层的全连接网络,来完成二分类任务。网络输入节点数为2,隐层的节点数设计为:25、50和25,输出层两个节点,分别表示属于类别1 的概率和类别的概率,如图 7.13 所示。这里并没有采用Softmax 函数将网络输出概率值之和进行约束而是直接利用均方误差函数计算与One-hot 编码的真实标签之间的误差,所有的网络激函数全部采用Sigmoid 函数,这些设计都是为了能直接利用我们的梯度传播公式。X,y=datasets.make_moons(n_s原创 2021-05-31 11:13:13 · 301 阅读 · 0 评论 -
逻辑回归模型
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport scipy.optimize as opt# 实现sigmoid函数def sigmoid(z): return 1/(1+np.exp(-z))#实现代价函数def cost(theta,X,y): theta=np.matrix(theta) X=np.matrix(X) y=np.matrix(y) .原创 2020-12-14 20:15:12 · 286 阅读 · 2 评论