إجابات نعم أو لا (logistic regression)
لماذا هذا مهم تطلب معظم المهام فئة وليس رقماً: بريد مزعج أم لا، قطة أم كلب. عصبون واحد بالإضافة إلى دالة squashing يجيب بنعم أو لا مع احتمالية.
شاهده
تقوم دالة sigmoid بضغط أي رقم إلى النطاق من 0 إلى 1: sigmoid(z) = 1 / (1 + exp(-z)). sigmoid(0) = 0.5، و sigmoid(3) تساوي حوالي 0.95، و sigmoid(-3) تساوي حوالي 0.05. اقرأ المخرجات كاحتمالية أن تكون الإجابة نعم.
الخسارة هي cross-entropy من Module 2 مع فئتين: -mean(y log p + (1 - y) log(1 - p)). تخرج تدرجتها بسيطة جدا: grad_w = X.T @ (p - y) / n. التنبؤ ناقص الحقيقة مرة أخرى.
الانحدار اللوجستي: عصبون واحد مع sigmoid، تم تدريبه باستخدام cross-entropy. يرسم حدودا بخط مستقيم بين فئتين.
ملخص النتيجة، تحويلها إلى احتمالية، التدريب على (p - y).
الكلمات والرموز في هذا الدرس
- neuron
- w . x + b، ثم تفعيل
- sigmoid
- 1 / (1 + exp(-z)): تضغط أي رقم إلى ما بين 0 و 1
- معدل التعلم (lr)
- ما هو حجم كل خطوة تدريب
اكتب sigmoid(z) و train_logistic(X, y, lr, steps) مع إرجاع (w, b)، بدءا من الأصفار. ثم accuracy(X, y, w, b): نسبة النقاط حيث p > 0.5 تطابق الملصق. حقق 90% على الأقل في النقاط المخفية من المجموعتين نفسهما.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.