深度学习|2.2 逻辑回归

深度学习|2.2 逻辑回归_第1张图片

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 ) P(y=1|x) 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

深度学习|2.2 逻辑回归_第2张图片
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

深度学习|2.2 逻辑回归_第3张图片
将值回归到介于0和1之间的范围。

形式上的优化

深度学习|2.2 逻辑回归_第4张图片

将向量内积+常数的形式统一成向量内积的形式。

你可能感兴趣的:(深度学习,深度学习,逻辑回归,人工智能)