Deep Learning的学习实践 2 -- 逻辑回归和人工神经网络

学习DeepLearning,必须要先学习逻辑回归模型(LR)和传统的人工神经网络模型(ANN),这个是基础。

 

简单说一下逻辑回归模型(LogisticRegression这里翻译成逻辑回归可能不太准确,但是沿用目前大家常用的名称),这个模型是非常实用的,在工业界的机器学习应用中很多场景都会使用,这个模型简单有效,而且,可以处理非常高维的输入特征。其核心是逻辑回归函数,一般化的形式如下(这个函数也叫S形函数或Sigmoid函数):

这里面的核心是自然对数的底数e2.718281828459),他的作用是把正无穷到负无穷的所有数通过上述Sigmoid函数的输出压缩的01之间,(这个底数e是个神奇的数字,它能反应很多自然界的基本规律,它是大数学家欧拉发现的,所以定义为e(这里其实做了一个假设,自然界里,大多数自变量X和因变量Y的关系是S形的,事实上的确如此。另一个假设是各个自变量X之间是相互独立的。所以,在满足以上两个假设的条件下,使用逻辑回归方法比较好。)。所以你看到图中,X轴可以是负无穷到正无穷,而Y轴在01之间,这里的曲线拟合的就是自变量X与因变量Y的关系。不过,逻辑回归是一个广义线性模型(generalized linear model),那是因为,逻辑回归一般做二分类,我们把回归的曲线设定一个阀值,设因变量F(Z)Y=0.5为分界点(此时Z=0Y=1/(1+e^0)=0.5),小于0.5的是类别A,大于0.5的是类别B,然后通过逻辑回归模型的求解,即求解公式中的Z,常见的具体形式是a+bX1+cX2+…+wXn(就是N维特征的线性累加),这里X1~Xnn

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值