吴恩达《机器学习》课程总结（6）逻辑回归

标签：而在   成本   技术分享   com   机器   6.2   nbsp   输出变量   sub   

6.1分类问题

回归问题的输出可能是很大的数，而在分类问题中，比如二分类，希望输出的值是0或1，如何将回归输出的值转换成分类的输出0,1成为关键。

6.2假说表示

其中：

h_θ（x）的作用是，对于给定的输入变量，根据选择的参数计算输出变量=1的可能性即h_θ（x）=P(y=1|x;θ)。

6.3判定边界

g(z)中的z即为判定边界，如下

6.4代价函数

如果用之前回归时用的平方损失函数，代价函数将是非凸函数，会收敛到局部最优，而不是全局最优。

定义新的代价函数：

求导结果：

虽然式子看上去与回归的相同，但是hθ（x）实际定义不一样，所以二者是两回事。

6.5简化的成本函数和梯度下降

6.6高级优化

共轭梯度法、变尺度法、限制变尺度法。

6.7多类别分类：一对多

将某一类分为一类，剩余的其他类分为另一类，如下所示：

得到多个分类器，取分值最高的分类器作为判别：

吴恩达《机器学习》课程总结（6）逻辑回归

标签：而在   成本   技术分享   com   机器   6.2   nbsp   输出变量   sub   

原文地址：https://www.cnblogs.com/ys99/p/9251549.html