详解：如何用Python实现机器学习算法（2）
2017-12-25 MedSci MedSci原创
二、逻辑回归 全部代码下载 1、代价函数 可以综合起来为： 其中： 为什么不用线性回归的代价函数表示，因为线性回归的代价函数可能是非凸的，对于分类问题，使用梯度下降很难得到最小值，上面的代价函数是凸函数 的图像如下，即y=1时： 可以看出，当
详解：如何用Python实现机器学习算法（1）二、逻辑回归 全部代码下载 1、代价函数 可以综合起来为： 其中： 为什么不用线性回归的代价函数表示，因为线性回归的代价函数可能是非凸的，对于分类问题，使用梯度下降很难得到最小值，上面的代价函数是凸函数 的图像如下，即y=1时： 可以看出，当趋于1，y=1,与预测值一致，此时付出的代价cost趋于0，若趋于0，y=1,此时的代价cost值非常大，我们最终的目的是最小化代价值 同理的图像如下（y=0）： 2、梯度 同样对代价函数求偏导： 可以看出与线性回归的偏导数一致 推导过程 3、正则化 目的是为了防止过拟合 在代价函数中加上一项 注意j是重1开始的，因为theta(0)为一个常数项，X中最前面一列会加上1列1，所以乘积还是theta(0),feature没有关系，没有必要正则化 正则化后的代价： # 代价函数 def costFunction(initial_theta,X,y,inital_lambda): m = len(y) &nb
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#机器#
29
学习了.谢谢.
60
学习学习学习
55