机器学习- 吴恩达Andrew Ng - week3-1 Classification

Posted 2021-06-12 架构师易筋

Coursera课程地址

因为Coursera的课程还有考试和论坛，后续的笔记是基于Coursera （2021-05-22）
https://www.coursera.org/learn/machine-learning/home/welcome

Classification and Representation

1. Classification - Logistic Regression 分类 逻辑回归

分类问题：

1. 邮件：垃圾邮件 / 非垃圾邮件
2. 在线交易：欺骗性的 (Yes/No)
3. 肿块：恶性的 / 良性的
   
   线性回归解决分类的弊端：只有0，1；变成了h(x)<0.5, h(x)<=0.5`
   

Logistic Regression 能处理为预期中的 0 <= h(x) <= 1

2. Hypothesis Representation - Logistic Regression 方程表示

方程式推导过程

• Sigmoid function
• Logistic function
  
  分类概率表示如下：
  

hθ(x)=P(y=1|x;θ)=1−P(y=0|x;θ)
P(y=0|x;θ)+P(y=1|x;θ)=1

3. Decision boundary 确认边界 - Logistic Regression

假设推导结果，得到如下能耗方程公式

确定边界范围。

Predict "y == 1" if -3 + x1 + x2 >= 0

非线性方程得到的边界：圆形或不规则图形。

请记住如下公式：

1. z=0,e0=1⇒g(z)=1/2
2. z→∞,e−∞→0⇒g(z)=1
4. z→−∞,e∞→∞⇒g(z)=0