实战05 梯度登峰,陡径通幽——Logistic回归

回归: 用一条直线对数据点进行拟合(该直线称为最佳拟合直线),这个拟合过程称为回归。

Logistic回归进行分类的主要思想:根据现有的数据对分类边界线建立回归公式,以此进行分类。
回归——> 最佳拟合,寻找最佳拟合参数集合。(weights)

逻辑回归-参数迭代公式推导
sigmoid函数求导证明
在这里插入图片描述
理论理解先垫底
在这里插入图片描述
上图最后公式如下:
在这里插入图片描述
完整电子版过程1

推导2 中对推导过程进行了详解,并解释了代码中 忽略了1/m。

在这里插入图片描述

梯度上升
随机梯度上升

  • 0
    点赞
  • 0
    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