Ja of nee antwoorde (logistic regression)
Hoekom dit saak maak Die meeste take vra vir 'n kategorie, nie 'n nommer nie: spam of nie, kat of hond. Een neuron plus 'n squashing function antwoord ja of nee met 'n waarskynlikheid.
Sien dit
Die sigmoid druk enige getal in die reeks 0 tot 1: sigmoid(z) = 1 / (1 + exp(-z)). sigmoid(0) = 0.5, sigmoid(3) is ongeveer 0.95, sigmoid(-3) ongeveer 0.05. Lees die uitset as "die waarskynlikheid dat die antwoord ja is".
Die verlies is die cross-entropy van Module 2 met twee klasse: -mean(y log p + (1 - y) log(1 - p)). Sy gradiënt kom uit pragtig eenvoudig: grad_w = X.T @ (p - y) / n. Voorspelling minus waarheid weer.
Logistiese regressie: een neuron met 'n sigmoid, opgelei met cross-entropy. Dit trek 'n reguit lyn grens tussen twee klasse.
Opsomming Tel, druk saam tot 'n waarskynlikheid, tren op (p - y).
Woorde en simbole in hierdie les
- neuron
- w . x + b, dan 'n aktivering
- sigmoid
- 1 / (1 + exp(-z)): druk enige getal in 0 tot 1
- leerkoers (lr)
- hoe groot elke training stap is
Skryf sigmoid(z) en train_logistic(X, y, lr, steps) wat (w, b) teruggee, beginnend by nulle. Dan accuracy(X, y, w, b): die deel van punte waar p > 0.5 by die label pas. Bereik ten minste 90% op wegsteptunte van dieselfde twee groepe.
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.