笔记-logistic回归损失函数

本文探讨了在logistic回归中如何确定参数和。通过训练集进行监督学习,使用损失函数衡量预测值与正确值的差距。由于目标是找到损失函数的最小值,凸优化的概念被引入。理想的损失函数应该是凸函数,文中提到了如何构造这样的函数并优化模型,最终通过整体成本函数的最值来优化模型。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在上一篇博文中,我们成功构建了logistic回归的数学模型\hat{y}=\sigma (\omega ^{T}*x+b),但是\omegab的值应该如何确定呢?

那么我们就需要用到训练集,让模型进行监督学习,训练集中包含自变量x和对应的正确的输出y,我们需要做的就是不断调整\omegab的取值,使得模型对于训练集中自变量的输出能最优地符合训练集中标定好的正确结果。下面我们具体来谈一谈如何实现对模型的训练。

为了完成上诉训练,我们需要知道模型的结果与正确结果的相差几何,基于此,我们很容易想到可以模仿概率论对方差的定义,构造一个损失函数用来衡量算法的运行效果,于是我们可以构造损

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