PyTorch 深度学习实战之逻辑回归
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
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