吴恩达机器学习逻辑回归与Sigmoid函数04

1.Sigmoid or Logistic Function

图片.png
我们可以通过使用线性回归模型,𝑓𝐰,𝑏(𝐱(𝑖))=𝐰⋅𝐱(𝑖)+𝑏,预测𝑦𝑥。然而,我们希望我们的分类模型的预测在0到1之间,因为我们的输出变量𝑦不是0就是1。这可以通过使用“sigmoid函数”来实现,该函数将所有输入值映射到0到1之间的值。正如在讲座视频中讨论的,对于分类任务,我们可以从使用我们的线性回归模型sigmoid或Logistic函数开始

2.Formula for Sigmoid function

Sigmoid型函数的公式如下-
图片.png
在逻辑回归中,z (Sigmoid函数的输入)是线性回归模型的输出。
·Sigmoid函数的公式在单个例子中,𝑧是标量。
·在有多个示例的情况下,𝑧可能是由𝑚值组成的向量,每个示例一个值。
·sigmoid函数的实现应该涵盖这两种潜在的输入格式。让我们用Python实现它。在逻辑回归的情况下,z (sigmoid函数的输入)是线性回归模型的输出。

3.Logistic Regression

逻辑回归模型对我们熟悉的线性回归模型应用s型曲线,如下图所示:
图片.png
下图为运行Sigmoid函数,执行逻辑回归得到的图像
图片.png

评论

暂无评论