2.2logistic回归
来源:互联网 发布:大数据风控体系 编辑:程序博客网 时间:2024/06/05 23:42
正式进入到逻辑回归了:首先正如下面的所讲,我们回归是指:预测值和真实值之间的越小越好。
正如上图所示,我们给定一个特征向量X,希望预测的值y^,(是一个概率)---close to 1,使我们最愿意看到的,像上图所示,给定了y=1(来判定一个图中是否有猫,在已知图中有猫的情况下,给定的一个X),得出的概率y^--->1的话。
如上图所示,我们给定参数w,b,然后构成一个上面面的红色圈圈圈起来的函数,这个函数的概率就在0-1之间了.
可以看到这个函数的图像,如上图说所示在概率值(0-1)之间,而且分析了Z的取值的不同,趋向正无穷,和趋向负无穷时,分类讨论了函数的值(造成的红色圈圈函数的值不同),图像上显示出来了,我们的任务就是在求得这样一切训练集合的时候,将我们的w,b确定。
阅读全文
0 0
- 2.2logistic回归
- Logistic回归
- Logistic回归
- logistic回归
- Logistic 回归
- Logistic 回归
- logistic回归
- Logistic回归
- Logistic回归
- Logistic回归
- Logistic回归
- logistic回归
- Logistic回归
- logistic回归
- Logistic 回归
- logistic回归
- Logistic回归
- logistic回归
- 集合Collection
- Tensorflow 实战(-) 基础知识
- 简述生成式对抗网络
- 网络编程项目(聊天室项目)
- (function($) {…})(jQuery);
- 2.2logistic回归
- 线程安全、数据同步之synchronized与Lock
- Python笔记--默认参数最大的“坑”
- springboot 整合freemarker404问题
- webstorm配置sublime主题
- linux spi驱动开发学习-----spidev.c和spi test app
- Java 代理与动态代理
- if与elif
- 词向量源码解析:(5.4)ngram2vec源码解析之corpus2pairs