AILEARNER_L的博客

<<机器学习一>>—浅谈逻辑回归与线性回归假设函数线性回归中假设函数就是一个去拟合训练集的线性函数而在

神经网络的意义不得不承认，假设函数的格式很大程度上决定了我们所获得图像的样式，对于线性回归是与样本数据尽可能重合的那条直线，而在逻辑回归中就是所谓的决策边界。我们观察逻辑回归中的sigmoid函数不难发现对于theta*X这一项的存在，若是只输入单一的一次特征值，你只能得到一条为直线的决策边界。然而我们在特征数较少时，可以人为构造二次项，三次项…再通过正则化得到一个比较符合分类的曲线。 ...

在线性回归和逻辑回归中，有时候为了获得更好的拟合效果，我们会引入特征值的多次项或者是复合项。这些特征值未必是必要的，过多此类的特征值会引起回归函数的过拟合。但若是特征值不足就会导致函数的欠拟合问题。所以为了约束不相关项的系数theta，增加正则项。对于logistic regression亦是在末尾添加这么一项。他们确保了在拟合一些不那么必要的theta值时，使这...

https://matplotlib.org/tutorials/introductory/pyplot.html