一只大番茄的博客

Logistic Regression 分类 y∈｛0,1｝ 假设陈述 Hypothesis Representation 假设表示 Logistic/Sigmoid function g(z)=1/(1+e^(-z)) p() 决策界限 Decision Boundary p(y=0|x;θ)+p(y=1|x;θ)=1 代价函数 cost function 凸函数和非凸函数 **简化代价函数与梯度下降 ** J(θ)简化函数 高级优化 gradient descent conjugate gradien