zoukankan      html  css  js  c++  java
  • 逻辑回归——分类算法

    逻辑回归模型

      如何定义hθ(x),使得0≤hθ(x)≤1

    [{h_ heta }(x) = gleft( {{ heta ^T}x} ight)]

    其中g(x)称为Sigmoid function或logistic function

    [gleft( z ight) = frac{1}{{1 + {e^{ - z}}}}]

    将两个函数合并

    [{h_ heta }(x) = frac{1}{{1 + {e^{ - { heta ^T}x}}}}]

    Sigmoid function 的示意图如下

    Interpretation of Hypothesis Output

    关于Hypothesis输出的解释

    hθ(x)=estimated probability that y=1 on input x

    hθ(x)是评估输入为x,输出y=1的可能性

    Example: if 

    [x = left[ {egin{array}{*{20}{c}}
    {{x_0}}\
    {{x_1}}
    end{array}} ight] = left[ {egin{array}{*{20}{c}}
    1\
    {tumorSize}
    end{array}} ight]]

    hθ(x)=0.7   Tell patient that 70% chance of tumor being malignant

    hθ(x)=0.7 表示患者的肿瘤有70%的可能是恶性的 

    可以用  [{h_ heta }(x) = Pleft( {y = 1|x; heta } ight)]

    表示:在给定x和参数θ情况下y=1的可能性是hθ(x)


    Decision Boundary

    观察 [{h_ heta }(x) = gleft( {{ heta ^T}x} ight)]

    和Sigmoid函数会发现,hθ(x)≥0.5等价于 [{ heta ^T}x ge 0]

    假设 [{h_ heta }(x) = gleft( {{ heta _0} + { heta _1}{x_1} + { heta _2}{x_2}} ight)]

    且假设 θ=[-3 1 1]

    这时,如果 [ - 3 + {x_1} + {x_2} ge 0] 则预测结果是 y=1

    变换公式后 [{x_1} + {x_2} ge 3]

    画出 [{x_1} + {x_2} = 3] 后如图

    在线的右上方是y=1的点,在线的左下角是y=0的点

    这条线就叫做Decision Boundary

    它对应的是 [{h_ heta }(x) = 0.5]


    需要搞清楚的一点是:一旦θ确定,Decision Boundary 也就确定了;数据不能决定 Decision Boundary,数据是用来寻找参数θ的。

  • 相关阅读:
    TypeError: Object of type 'type' is not JSON serializable解决方法
    Python Logging
    Mysql 主从赋值
    (转)Mysql 创建用户 查看权限 授权
    mysql you need (at least one of) the SYSTEM_USER privilege(s) for this operation
    java 多线程 六、线程状态
    java 多线程 五、线程组
    java 多线程 四、线程通信
    java Runtime类 Time类
    java 设计模式 ---- 饿汉 , 懒汉
  • 原文地址:https://www.cnblogs.com/qkloveslife/p/9848703.html
Copyright © 2011-2022 走看看