【吴恩达机器学习】Logisitic回归

本文详细介绍了Logistic回归,包括其在二分类问题中的应用,假设函数(Sigmoid函数)的解释,决策边界的确定,代价函数的定义,梯度下降优化方法,以及高级优化算法如共轭梯度法、BFGS和L-BFGS。此外,还探讨了如何扩展到多类别分类问题。
摘要由CSDN通过智能技术生成
1.分类问题

逻辑回归是一种分类算法,是解决二分类问题的利器。

如:判断一封邮件是否为垃圾邮件,判断一个肿瘤是恶性还是良性。

2.假设表示

逻辑回归模型的假设函数是:
在这里插入图片描述

其中,X表示特征向量,g表示逻辑函数。

一个常用的逻辑函数为Sigmoid函数,公式为在这里插入图片描述
图像为:在这里插入图片描述

ℎ(𝑥)的作用:对于给定的输入变量,根据选择的参数计算输出变量y=1 的可能性。即ℎ(𝑥) = 𝑃(𝑦 = 1|𝑥; 𝜃)

例如,如果对于给定的𝑥,通过已经确定的参数计算得出ℎ(𝑥) = 0.7,则表示有 70%的几率𝑦为正向类,相应地𝑦为负向类的几率为 0.3。

3.决策边界

在逻辑回归中,我们预测:

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