算法工程师面试知识点-逻辑回归知识点简述

35 篇文章 0 订阅 ¥299.90 ¥399.90
本文简述了逻辑回归的核心知识点,包括其作为极大似然估计的本质,sigmoid激活函数的使用,以及选择交叉熵损失函数的原因。逻辑回归是一种二分类算法,以其速度和适应性著称。
摘要由CSDN通过智能技术生成

逻辑回归:
本质:极大似然估计
激活函数:sigmoid激活函数
损失函数:交叉熵损失函数
特点:二分类算法,速度快,适应性差。
数学模型表达:h(x)=g(参数矩阵的转置(x))。其中g为sigmoid激活函数,为1/(1+e^(-x))。

提问:
逻辑回归为何使用sigmoid激活函数?
sigmoid激活函数满足最大熵原则,且任意阶可导,方便使用。
逻辑回归为何使用交叉熵损失函数,不用均方差函数?
按照逻辑回归的数学模型推导,其使用均方差损失函数曲线存在多个局部最优解,而使用交叉熵损失函数则满足全局最优解条件。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

AI看世界

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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