李宏毅深度学习笔记7 - 第一讲 逻辑回归

已于 2024-03-23 11:22:55 修改
阅读量176 收藏
点赞数 1
文章标签： 深度学习 笔记 逻辑回归
于 2024-03-21 20:17:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51681590/article/details/136917707
版权
本文详细介绍了逻辑回归的基本概念，包括其与线性回归的区别（激活函数的存在）、模型评估方法，以及在处理大量数据和多元分类时的优势。同时讨论了逻辑回归的局限性和如何通过特征转换和神经网络发展至深度学习。
摘要由CSDN通过智能技术生成

逻辑回归（logistic regression）

第一步 函数集

图像化表示

第一步与线性回归的区别（有无激活函数）

第二步 模型评估

第二步与线性回归的区别

第三步 找一个最好的模型

第三步与线性回归的区别

数据量大时，discriminate比generative的准确率要高

多元分类

逻辑回归有一定的局限性，可以通特征转换解决

这就形成了神经网络，这就叫做深度学习。

胖好白
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
李宏毅机器学习自用笔记------逻辑回归
PlutoLilian的博客
09-08 369
自用学习笔记，希望得到大佬指正
李宏毅深度学习教程LeeDL-Tutorial-v.1.0.5
01-10
总之，《李宏毅深度学习教程》是一份全面且实用的深度学习教材，涵盖了从基础概念到高级优化技术的广泛内容，对于想要学习和深入理解深度学习的读者来说，是不可多得的学习资源。通过这份教程，读者不仅可以了解深度...
李宏毅-逻辑回归
04-17 165
1、logical 回归与liner 回归的区别 　　logical 返回值是0到1之间，因为通过了sigmoid函数（函数值0到1）得到的值，具体推导见视频。线性回归返回值可以是任何值 2、逻辑回归推导过程。朴素贝叶斯分类->sigmoid函数-> loss function表示成每一个样本分类结果值（Fwb（x）的函数值）其实就是s...
李宏毅机器学习系列-逻辑回归
王伟王胖胖的博客
08-15 555
李宏毅机器学习系列-逻辑回归分类回顾逻辑回归+均方差损失函数 分类回顾 我们先回顾下前面我们讲的分类的步骤，第一步先找到一个模型集合，是个概率模型，最后可以转化为sigmoid函数，输入是一个线性函数，如果结果大于等于0.5，则认为是类1，否则是类2： 如果画出结构图的话应该是这样，每个特征xix_ixi​都有一个权重，然后加上偏置，输入到sigmoid函数里，得到0到1的概率值： 第二步我们...
李宏毅 机器学习笔记-06 逻辑回归（Logistic Regression）
花花的博客
08-17 722
Logistic Regression 回顾 上个笔记的最后我们已经化简了模型，今天我们继续来研究如何计算模型。P(C1∣x)=σ(z)P(C_1|x) = \sigma ( z )P(C1​∣x)=σ(z) 得到:P(C1∣x)=σ(w⋅x+b)P(C_1|x) = \sigma ( w \cdot x + b )P(C1​∣x)=σ(w⋅x+b) Step 1: Function Set 三...
李宏毅深度学习笔记——逻辑回归
gzhhappy的博客
12-14 270
逻辑回归 Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。 Logistic 回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。Logistic 回归实际上是使用线性回归模型的预测值逼近分类任务真实标记的对数几率，其优点有： 直接对分类的概率建模，无需实现假设数据分布，从而避免了假设分布不准确带来的问题（区别于生成式模型）； 不仅可预测出类别，还能得到该预测的概率，这对一些利用概率辅助决策的任务很有用； 对数几率函数是任意阶
李宏毅老师2021深度学习课程笔记.pdf
10-08
李宏毅老师的2021深度学习课程笔记中提到了几个关键知识点，涉及了深度学习训练技巧以及理论基础。 首先，课程提到了模型泛化能力的重要性，尤其是在模型的测试集划分上。这里提到了两种测试集的划分：public ...
台大李宏毅-深度学习2017-ppt.zip
03-06
深度学习ppt
李宏毅深度学习课件.rar
12-02
总之，“李宏毅深度学习课件.rar”是一个全面且深入的学习资源，它将引导你走过深度学习的每一个重要阶段，从理论到实践，从基础到高级。结合PyTorch的实际操作，你将能够独立完成深度学习项目，解决实际问题，为你...
李宏毅深度学习学习笔记 Task0
08-15
在探讨李宏毅深度学习学习笔记Task0的内容之前，我们需要对深度学习的基本概念有所理解，然后才能根据笔记内容提取具体的知识点。深度学习是机器学习领域的一个分支，它通过建立、训练和应用多层的人工神经网络来...
李宏毅机器学习-逻辑回归
柯同学要谦虚
03-16 334
文章目录逻辑回归和线性回归基本结构决定好坏更新方法Reason生成模型和判别模型Softmax 逻辑回归和线性回归 基本结构 决定好坏 更新方法 Reason 如果是交叉熵，距离target越远，微分值就越大，就可以做到距离target越远，更新参数越快。而平方误差在距离target很远的时候，微分值非常小，会造成移动的速度非常慢，这就是很差的效果了 生成模型和判别模型 训练集数据量很小的情...
李宏毅深度学习笔记（六）逻辑回归
comli_cn的博客
11-12 250
设置函数 我们可以找到一个函数Pw,b(C1∣x)P_{w,b}(C_1|x)Pw,b​(C1​∣x)，如果Pw,b(C1∣x)≥0.5P_{w,b}(C_1|x)\ge0.5Pw,b​(C1​∣x)≥0.5则输出C1C_1C1​，否则输出C2C_2C2​。 逻辑回归的模型如下： Pw,b(C1∣x)=σ(z)P_{w,b}(C_1|x)=\sigma(z)Pw,b​(C1​∣x)=σ(z) z=...
李宏毅机器学习——逻辑回归
日积月累，天道酬勤
12-01 696
逻辑回归 第一步先选择函数集 步骤一：函数集 接上一篇，我们知道，给定一个x,它属于类别C1C_1C1​的概率为Pw,b(C1∣x)P_{w,b}(C_1|x)Pw,b​(C1​∣x), 如果Pw,b(C1∣x)≥0.5P_{w,b}(C_1|x)\geq0.5Pw,b​(C1​∣x)≥0.5则属于C1C_1C1​；否则属于C2C_2C2​ 最后我们得到 Pw,b(C1∣x)=σ(z),σ(z)=...
李宏毅深度学习——逻辑回归
Grateful_Dead424的博客
12-12 766
这就是logistic regression的原理 logistic regression相比于linear regression而言，外面套了一个sigmoid函数 y_hat是110而不是101 y_hat是110而不是101 交叉熵(cross entropy):cross entropy代表的含义是这两个分布有多接近，两个分布越接近cross entropy算出来就会越小 step 2里面的两个L函数指的是损失函数，对于logistic regre...
李宏毅 机器学习(2017)学习笔记——5-逻辑回归
qq_42249031的博客
05-19 592
1. 逻辑回归的步骤 1.1 步骤一：定义函数集合 由第四节概率生成模型可知，我们的函数集合为，下标w、b是指这个函数集合是受w和b所控制的。所有w和b可以产生的函数集合起来就是一个函数集合。 用图像方式来表示如下图。函数中有两组参数，一组是w我们称为权重，常量b我们称为偏置，还有一个sigmoid函数。输入为x，我们把x与w相乘，再加上b得到z。σ(z)求出后验概率。 1.2 步骤二：函数的好坏 共有N条训练数据，每条训练数据标注属于哪个类别。 ...
李宏毅机器学习笔记第5周_逻辑回归
peaunt1的博客
05-15 402
逻辑回归
【李宏毅】机器学习 笔记05（Logistic Regression：逻辑回归）
Mr_Kingk的博客
07-26 268
Setp 1：Fuction Set 将z代入sigmod函数：1/1+e^-z Step2：Goodnessofafunction： 找出使L(w,b)最大的w和b，记为w*和b* H（p,q）称为p和q的交叉熵（crossentropy）； Step3：Findthebestfunction： 使用gradient descent来最小化−lnL(w,b) 对w求偏导： 最终计算结果： 比较Logistic Regression（...
【笔记】李宏毅《逻辑回归》笔记分享
最新发布
m0_46103905的博客
04-23 829
通过这门课，学会了逻辑回归的基础知识、逻辑回归不用均方误差的原因、生成式模型与判别式模型的区别、将二分类问题延伸到了多分类问题、逻辑回归的限制性等知识。
李宏毅机器学习2016 第五讲 逻辑回归
Come_for_IT 的博客
01-15 654
视频链接：李宏毅机器学习(2016)_演讲•公开课_科技_bilibili_哔哩哔哩 课程资源：Hung-yi Lee 课程相关PPT已经打包命名好了：链接：https://pan.baidu.com/s/1c3Jyh6S 密码：77u5 我的第四讲笔记：http://blog.csdn.net/sinat_25346307/article/details/79063
李宏毅深度学习笔记 pdf
09-06
### 回答1： 李宏毅教授所著的《深度学习笔记》pdf是目前深度学习领域中非常受欢迎的资源之一。...无论是想要学习深度学习的初学者，还是对深度学习有更进一步了解的专业人士，都应该阅读这本教材。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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