【PyTorch】深度学习实战之逻辑回归

最新推荐文章于 2024-05-28 11:16:03 发布

少年白马

最新推荐文章于 2024-05-28 11:16:03 发布

阅读量1.6k

点赞数

分类专栏： PyTorch 文章标签： pytorch 深度学习逻辑回归

本文链接：https://blog.csdn.net/qq_44833724/article/details/123579770

版权

PyTorch 深度学习实战之逻辑回归

视频教学链接

博客参考链接

线性模型：前面几章节，我们都是做的线性模型，通过给定的数据集（1,2），（2,4），（3,6），构建一个函数y=2*x+0，然后只要给定一个x，就会对应输出一个y，但是实际上问题并没有那么简单，其实我们输出的并不是一个确定的数字，而是它是某一个数字的概率，如果将它归类，它是某个数的概率很大，那么我们宏观上就定义这个数就是这个数，就是说选择一个概率最大的数字对它进行分类，比如这里的7和9，选一个概率最大的进行输出

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3VJw7mzV-1647594182068)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20220318165032401.png)]$

如何实现逻辑回归：

逻辑回归实质上就是用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性

损失函数如下

解释一下损失函数：当y=0时，loss就是右边那部分，当y=1时就是左半边

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-B4tMQE4S-1647594182069)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20220318165238152.png)]$

逻辑回归和线性模型的区别：

逻辑回归在线性模型后面添加了激活函数
分布的差异

如果是二分类的问题一般用BCELoss

import torch
import matplotlib.pyplot as plt
import numpy as np
import torch.nn.functional as F

x_data = torch.Tensor

最低0.47元/天解锁文章

少年白马

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
【PyTorch】深度学习实战之逻辑回归

PyTorch 深度学习实战之逻辑回归视频教学链接博客参考链接线性模型：前面几章节，我们都是做的线性模型，通过给定的数据集（1,2），（2,4），（3,6），构建一个函数y=2*x+0，然后只要给定一个x，就会对应输出一个y，但是实际上问题并没有那么简单，其实我们输出的并不是一个确定的数字，而是它是某一个数字的概率，如果将它归类，它是某个数的概率很大，那么我们宏观上就定义这个数就是这个数，就是说选择一个概率最大的数字对它进行分类，比如这里的7和9，选一个概率最大的进行输出如何实现逻辑回归：逻辑
复制链接

扫一扫