超级会员免费看
本文深入探讨了Sigmoid函数在机器学习中的作用，特别是在逻辑斯蒂回归中的应用。Sigmoid函数将多元线性回归的结果缩放到0到1之间，作为分类的依据。当函数值为0.5时，对应线性方程的thetaTx为0。此外，介绍了Sigmoid函数也被称为单位阶跃函数或对数几率函数，并与伯努利分布在二分类问题中的联系。文章还阐述了在二分类问题中，正例和负例概率之和为1的原理。
然后我们再来详细说一下Sigmoid函数,上面的函数的公式
我们要知道这里的,Sigmoid函数的意义,这逻辑斯蒂回归的意义就是,在多元线性回归的基础上,把
多元线性回归的结果,缩放到0到1之间对吧,根据中间的0.5为分类,小于0.5的一类,大于的一类,
这里的h theta(x) 就是概率函数
然后我们这里要知道函数中theta T x这个部分,就是我们之前的线性回归方程,然后
我们把这个线性回归方程,用e-thetaTx来代替,做为一个整体来看待,然后 用1/1+的形式,这样
就把结果,缩小到0到1之间
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
