深度学习:二分分类和部分逻辑回归

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习:二分分类和部分逻辑回归相关的知识,希望对你有一定的参考价值。

1.神经网络就是根据你输入的x信息通过神经网络将他映射成y来输出

2.图像领域,经常使用卷积神经网络(CNN)

3.序列数据,音频,经常使用RNN(循环神经网络)

4.在二分类问题中,是要训练出一个分类器,以图像的特征向量x作为输入,

预测输出标签是Y,是或0

5.样本1通过(x^(1),y^(1))表示,样本m通过(x^(m),y^(m)),一个训练集通过

m个样本组成,m表示训练样本的个数,也可写成m_train,测试集,样本数可写

成m_test

6.通过大写字母X通过矩阵将训练集表示,将x^(1)放在第一列,将x^(2)放在第二列

,以此类推,样本m放在m列

7.X.shape()来输出矩阵的维度,即(nx,m),nx表示元素的数量

8.逻辑回归函数:y^ = 符号(w^Tx+b),值的范围在0-1之间

9.sigmoid光滑函数就是如此介于0-1之间,相交y轴为0.5

10.sigmoid为符号(z) = 1/1+e^(-z)

11.回归损失函数符号(y^,y) = - (ylogy^)+(1-y)log(i-y^)

以上是关于深度学习:二分分类和部分逻辑回归的主要内容,如果未能解决你的问题,请参考以下文章

机器学习分类算法之逻辑回归

机器学习基础:理解逻辑回归及二分类多分类代码实践

Pytorch实现Logistic回归二分类

PyTorch学习5《PyTorch深度学习实践》——逻辑回归[对数几率回归](Logistic Regression)

机器学习:理解逻辑回归及二分类多分类代码实践

机器学习:逻辑回归(使用多项式特征)