吴恩达深度学习课程笔记 2.2Logistic Regression逻辑回归

吴恩达深度学习课程笔记

2.2Logistic Regression逻辑回归

Hypothesis Representation

Logistic Regression（以下简称LR）逻辑回归是用于处理有监督学习中的二分类问题的一个学习算法，LR的目标就是让算法得出的预测值和实际标签之间的误差变得更小。

比如上节的小猫图片分类，给一个图片的特征向量 X，经过算法给出一个是否为猫的概率 Y 。因为结果是概率，所以 0<=Y<=1 .如下图：

LR的假设函数，也称sigmoid函数。如下图所示：

图中的这条“S”型曲线就是 sigmoid 函数的图像，我们可以看到图像关于点（0，0.5）对称，分类的时候是在 0.5 这里分开的，小于 0.5 的都为 0，大于 0.5 的都为 1，也就是在二分类里面分的正样本positive（1）和反样本negative（0）。

如上图所示：LR算法在使用中有这么多参数。输入的特征向量X，输入的实际标签Y，目标函数的参数 w 和 b，还有输出的预测值 prediction，最后是最重要的 sigmoid 函数。

不足之处还望各位指正，多谢。

文中图片均来源于网易云课堂吴恩达的深度学习课程视频。