深度学习｜2.2 逻辑回归

发布时间：2024年01月02日

在这里插入图片描述

引入

如上图，给定x，x是指含有某一个特定事物的多个特征组成的向量， $P (y = 1∣ x)$ 是指在x的情况下，y被判定为1的概率。
简言之，就是在知道多个特征的情况下，将某某东西猜成是某一个特定事物的概率。

线性回归的局限性

在这里插入图片描述
线性回归算出来的值并不是一个介于0到1的值，并不适合去作为一个概率来使用。

优化——sigmoid函数

在这里插入图片描述
将值回归到介于0和1之间的范围。

形式上的优化

在这里插入图片描述

将向量内积+常数的形式统一成向量内积的形式。

文章来源:https://blog.csdn.net/Fangyechy/article/details/135255410
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！