西瓜书第三章——习题解答

文章讨论了在特定情境下偏置项的必要性,如归一化处理时可忽略偏置。并通过数学证明解释了率回归目标函数的非凸性和对数似然函数的凸性。同时提供了编程实现率回归的实例,展示了如何用sigmoid函数处理西瓜数据集的结果。
摘要由CSDN通过智能技术生成

题3.1  试析在什么情况下f(x)=w^(T)+b中不必考虑偏置项b?

答:

在一次函数中b是函数在y轴的截距,控制着函数偏离原点的距离;类比到线性模型中,偏置项b体现了模型整体上的浮动,可以根据具体情况对偏差进行修正,使模型更好地拟合真实值。

在以下两种情况下不必考虑偏置项b:

  • 在f(x)进行归一化处理时消除偏置项。归一化处理包括 把数据映射到(0,1)范围内 和 把有量纲的表达式化为无量纲的表达式 等,处理时可以消除偏量项b。
  • 当只需考虑x的取值对y的影响时,就不用考虑偏置项b。

题3.2  试证明:对于参数w,对率回归的目标函数(3.18)是非凸的,但其对数似然函数(3.27)是凸的。

答:首先需要明确:二阶导>0,开口向上,是凹的;二阶导<0,开口向下,是凸的。

题3.3  编程实现对率回归,并给西瓜数据集3.0a上的结果。

答:数据参考此处

构造一个阶跃函数,此处使用sigmoid函数:y=\frac{1}{1+e^{-x}}

得出运行结果:

蓝线右上角的部分是预测为1(正例→好瓜);

左下角部分是预测为0(负例→坏瓜)。
 

  • 5
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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