标签：href 概率 info 逻辑回归 导出 梯度下降 tps inf 回归
参考地址：
https://www.zhihu.com/question/65350200
https://github.com/GreedyAIAcademy/Machine-Learning
https://zhuanlan.zhihu.com/p/70587472
函数的图像：
当P(y=1|x)的值>0.5时输出1,否则输出0
梯度值：
假设分段函数f(x)结果只两个值0，1，为1的概率为p，为0的概率就是1-p，规范一些，可以描述如下：
我们把训练数据(X,y)代入公式，让矩阵中所有的p(1-p)相乘。
为什么要相乘？有人说是因为要用一个函数将y=0和y=1的形式统一起来，其实不准确，应该是为了“最大似然估计”。
参考:https://www.zhihu.com/question/65350200
通过最大似然估计，推导出损失函数
似然函数：
似然函数，对权值求偏导数
标签：href 概率 info 逻辑回归 导出 梯度下降 tps inf 回归
原文地址：https://www.cnblogs.com/bugutian/p/11123484.html
