Logistic Regression是机器学习的基础模型，用于二分类问题。本文通过直观解释和图形展示，介绍了其正向传播、反向传播、训练及测试过程。权重w和偏置b调整输入特征对输出的影响，Sigmoid函数将连续值转换为概率判断。通过反向传播优化w和b，使损失函数最小化，从而实现对新数据的准确分类。
Logistic Regression (Logistic 回归) 的通俗解释
最近开始学习机器学习（怎么感觉这句话怪怪的），了解了Logistic Regression 的原理。我个人认为，Logistic Regression 是机器学习最基础的模型，它诠释了机器学习的基本原理
先来一张经典的图
Logistic Regression 的目的
我们先忘了上面那张图，来看一张干净简单一点的：（纯手画有点丑）
这个过程很简单，便是根据已有的参数给出一个答案
我们先来看一下这里面的参数：
- x1 和 x2 ：输入的参数
- w1 和 w2 ：权重（先不用管）
- b ：biase（也不用管）
我们再来更形象地描
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
