Machine Learning week3
来源:互联网 发布:ubuntu istat 编辑:程序博客网 时间:2024/05/18 18:46
逻辑回归(Logistic Regression)
逻辑回归是用来解决分类问题的一种分类算法,适用于标签y取值离散的情况
Classification(分类问题):二元分类问题、多元分类问题
线性回归不适合用来解决分类问题:
1、在分类问题中y值取0或者1,但是线性回归的预测值可以存在>1或者<0,二者相矛盾
2、线性回归对点的拟合度不是很好
3、如果出现离群点(最右边的红色X),那么很容易将线性回归的图像的拟合度大幅降低
逻辑回归中假设函数的表示(Hypothesis Representation):
S型函数(Sigmoid function)、逻辑函数(Logistic Function)是指代同一个东西
对逻辑函数的输出值的解释:
输出值如果为0.7的话,表明在给定参数theta、特征值x1(肿瘤的大小)的情况下,病人肿瘤为恶性的概率为0.7。
决策边界(Decision boundary)
由逻辑函数的图像可以看出:
当z>=0时,g(z)>=0.5≈1
当z<0时,g(z)<0.5≈0
所以,可以令z=0,来求得一根线,那根线就是决策边界
如何寻找合适的theta值来拟合数据集:
数据集有m组数据,有n个特征(feature),y取值为0或1,假设函数h(x)
按照线性回归的步骤求得逻辑回归的代价函数(Cost Function) J(theta),通过函数图像发现它是一个非凸函数(non-convex function),存在很多局部最小值。所以对于逻辑回归,我们使用另外的代价函数。
逻辑回归的代价函数如下所示:
当y=1时,如果h(theta)=1,就是说我们的假设函数计算出来的数值(肿瘤为恶性的概率)与实际的数值完全一样,那么J(theta)=0,对应右下角的蓝色点。如果当y=1时,h(theta)=0,就是说预测的数值与实际情况完全相矛盾,完全不符合,那么从图像上可以看到J(theta)=无穷大,意味着我们需要付出很大的代价。
使用梯度下降法来拟合逻辑回归的参数
高级优化算法
只需要学会使用即可,不需要理解,具体操作在第三周第二节课
多类别分类问题:
one-vs-all(一对多)分类算法
有n个类别就设置n个分类器
过度拟合问题(The problem of overfitting)与正则化(regularization)
过度拟合问题通常出现在样本数量少,但是特征值多的情况下
解决过度拟合的方法:
正则化线性回归(Regularization linear regression)
正则化逻辑回归(Regularization logistic regression)
- Machine Learning week3
- Machine Learning Week3
- Machine Learning-Andrew Ng-week3
- Machine Learning(Andrew)Week3(上)
- Machine Learning(Andrew)Week3(下)
- coursera Machine Learning Week3-1 学习笔记
- coursera Machine Learning Week3-2 学习笔记
- Coursera Machine Learning Week3 学习笔记
- 【Coursera Machine Learning】 Week3 学习笔记
- Coursera Machine Learning 作业代码 week3
- Andrew Ng的machine learning课程week3编程题python实现
- Coursera Machine Learning ex2第三周 week3编程全套满分题目+注释(包括选做optional)
- coursera deep learning course2 week3
- coursera deep learning course4 week3
- machine learning
- Machine Learning
- machine learning
- Machine Learning
- 自定义Dialog且实现与Activity交互
- 使用Devstack部署neutron网络节点
- hdu 2577
- Android中Surface和SurfaceView的一些理解和总结
- Android逆向分析案例——某酒店APP的登陆请求分析
- Machine Learning week3
- MySQL数据库,根据传入的字符换进行切割,并获得指定位置被切割的字符串。
- source insight中如何可以添加makefile,.S 等这类型的文件?
- 190. Reverse Bits
- JToolBar中setFloatable setRollover 属性是啥意思
- Javascript笔记——数据类型
- ios 各种项目源码
- 极光自定义推送
- 上传Excel表格转List处理