logistic regression tensorflow实现

最新推荐文章于 2020-03-09 17:51:24 发布

xzccfzy

最新推荐文章于 2020-03-09 17:51:24 发布

阅读量169

点赞数

分类专栏： python TensorFlow 机器学习文章标签：逻辑回归 tensorflow logistic

本文链接：https://blog.csdn.net/xzccfzy/article/details/100012338

版权

本文介绍了如何使用TensorFlow进行逻辑回归的实现。逻辑回归是一种线性分类方法，通过sigmoid函数将预测值映射到两类。文章详细阐述了逻辑回归的数学原理，并提供了使用极大似然估计求解权重W的方法。此外，还提到了一个基于TensorFlow 1.12版本的实现示例和相关GitHub链接。

摘要由CSDN通过智能技术生成

                    
                    logistic regression 
   
   逻辑回归，属于线性的分类问题，即在给的数据集中，需要找到一条直线将数据集分成两种类别。直线可以表示为 y = W X y = WX y=WX，其中， W 和 X W和X W和X都是向量，那么如何将线段映射到列别上呢，假设有一个函数，输入可以任意数据，但是输出只有两种结果，是不是就满足了需求。这种函数一般为分段函数，但是分段函数计算不方便，有一种函数可以近似的看成分段函数。即sigmoid函数 f ( x ) = 1 1 + e − x f(x) = \frac{1}{1 + e^{-x}} f(x)=1+e−x1​。关于sigmoid函数的图像，可以前往我的另一篇文章查看：https://blog.csdn.net/xzccfzy/article/details/99432448
假设现在有一条数据 X i X^{i} Xi，那么如果判断他的类别呢。根据上述的直线函数以及分类函数(sigmoid)，我们可以得到数据 X i X^{i} Xi的两种类别的概率： P ( y = 1 ∣ W ,