超级会员免费看
这篇博客探讨了在逻辑回归中使用交叉熵作为成本函数的原因，强调了成本函数在分类问题中的重要性。博主指出，对于线性回归，平方成本函数可以工作，但在逻辑回归中，由于sigmoid函数的非凸性，会导致全局最小值不保证。因此，提出了一个在y=1和y=0时具有理想特性的成本函数，该函数在正确预测时成本为0，错误预测时成本上升。博主还讨论了如何确保找到全局最小值的重要性以及对多类别分类问题的处理。
首先本人一直有一个疑问缠绕了我很久，就是吴恩达老师所讲的机器学习课程里边的逻辑回归这点，使用的是交叉熵损失函数，但是在进行求导推导时，google了很多的课件以及教程都是直接使用的
，这个问题困扰了很久，最后了解了在国外的教程中都是默认log就是ln。所以在机器学习中见到log就在脑海中自动转变一下思想他这里说的是ln就这样去理解吧。
How to fit the parameters theta for logistic regression,In particular, I'd like to define the optimization objective or the cost function that we'll use to fit the parameters.
Here's to supervised learning problem of fitting a logistic regression model.
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
