标签：吴恩达 机器 函数 回归 分类 逻辑 logistic 线性 边界
目录
一、Logistic Regression - Classification:
二、 Hypothesis Regresentation - 假设陈述：
一、Logistic Regression - Classification:
logistic回归虽然带着回归两字却和线性回归有很大的区别，线性回归主要用于预测问题，其输出值为连续变量，而logistic回归主要用于分类问题，其输出值为离散值。logistic回归可以用于多元分类问题，也可以用于二元分类问题，但二元分类更为常用。因此本文只介绍二元分类的应用。
先来看一些logistic回归的基本东西，logistic回归的假设函数为：，因为
.因此
。
其中称为S型函数（sigmoid function)或者逻辑函数(logistic function)，其函数图像如图所示：
从函数图像中很容易观察出 ，即
。
使用线性回归对于分类问题存在着一定的问题！线性回归用来解决分类问题时，稳定性差。当样本分布比较复杂时，线性回归无法做到准确的分类。
二、 Hypothesis Regresentation - 假设陈述：
sigmoid函数也叫Logistic函数，用于隐层神经元输出，取值范围为(0,1)，它可以将一个实数映射到(0,1)的区间，可以用来做二分类。
举个例子:对于肿瘤数据集，假设其中一个特征为肿瘤的尺寸，结果为{恶性，良性}。假设 即肿瘤为恶性的概率为0.7，因此
,即在给定
的条件下y=1的概率。对于二元分类问题，
。
三、Decision boundary - 决策边界：
所谓决策边界就是能够把样本正确分类的一条边界，主要有线性决策边界(linear decision boundaries)和非线性决策边界(non-linear decision boundaries)。注意：决策边界是假设函数的属性，由参数决定，而不是由数据集的特征决定。
四、Cost Function - 损失函数：
这里提出了一个问题：如何去选择参数 ？
标签：吴恩达,机器,函数,回归,分类,逻辑,logistic,线性,边界 来源： https://blog.csdn.net/weixin_52058417/article/details/121983242
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。