决策边界(Logistic,sigmoid)

本文探讨了如何使用Logistic回归(sigmoid函数)解决乳腺癌分类问题。通过实例解释了线性决策边界(如θTx>0.5对应x1+x2<3)和非线性决策边界(如θTx>0对应x12+x22>1,即单位圆)在实际问题中的应用。Logistic函数展示了在复杂分类任务中非线性决策边界的优越性。

决策边界

在这里插入图片描述
分类问题使用Logistic函数(也叫sigmoid函数),对于乳腺癌的分类问题,只要h(θTx)>=0.5,就令y=1,也就是说θTx>=0,否则令y=0,其中x是肿瘤大小,所以,给出训练集。
在这里插入图片描述
假设,我们已经得到了θ=[-3,1,1]T,所以,当y=1时,-3+x1+x2>0,所以x1+x2<3,在这里插入图片描述
所以这条粉色的线就是决策边界,很好的解决了分类问题。
增加难度,如图:在这里插入图片描述
很明显不能使用线性的决策边界来进行分类,所以我们增加了θ的维度,假定解得θ=[-1,0,0,1,1],带入后得到y=1时,x12+x22>1,单位圆。
所以说,用Logistic(sigmoid)函数解决分类问题灰常优秀。

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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