引言:
从上一节classification最后的部分中,我们最终得到分类问题可以用sigmoid函数和一个线性函数表示。既然我们知道分类问题最终表示为一个sigmoid加一个线性函数,线性函数的w和b可以由一系列复杂公式得出,我们能不能直接求出w和b而不用之前那么复杂的假设和公式?这个问题称之为logistic regression。
定义一系列training data:x1,x2,x3…及其标签,我们定义了新的loss function,目的在于最大化这个loss function
将loss function取负并且对数化(对数化完全是为了计算方便),我们就可以minimize loss function了
用loss function对wi做偏微分,我们可以得到wi梯度下降的公式
logistic regression和linear regression的差异