Temario Lección 41 de 246 · Módulo 3: De la neurona al MLP
Módulo 3: De la neurona al MLP

Respuestas de sí o no (regresión logística)

Por qué importa La mayoría de las tareas piden una categoría, no un número: spam o no, gato o perro. Una neurona más una función que aplasta responde sí o no con una probabilidad.

Míralo

La sigmoide aplasta cualquier número en el rango de 0 a 1: sigmoid(z) = 1 / (1 + exp(-z)). sigmoid(0) = 0.5, sigmoid(3) es más o menos 0.95, sigmoid(-3) más o menos 0.05. Lee la salida como "la probabilidad de que la respuesta sea sí".

La pérdida es la entropía cruzada del Módulo 2 con dos clases: -mean(y log p + (1 - y) log(1 - p)). Su gradiente sale precioso de simple: grad_w = X.T @ (p - y) / n. Otra vez predicción menos verdad.

Regresión logística: una neurona con una sigmoide, entrenada con entropía cruzada. Traza una frontera en línea recta entre dos clases.

Resumen Puntúa, aplasta a una probabilidad, entrena con (p - y).

Palabras y símbolos de esta lección
neurona
w . x + b, y luego una activación
sigmoide
1 / (1 + exp(-z)): aplasta cualquier número entre 0 y 1
tasa de aprendizaje (lr)
lo grande que es cada paso de entrenamiento
Tu turno

Escribe sigmoid(z) y train_logistic(X, y, lr, steps) que devuelva (w, b), empezando con ceros. Luego accuracy(X, y, w, b): la proporción de puntos en los que p > 0.5 coincide con la etiqueta. Llega al menos al 90% con puntos ocultos de los mismos dos grupos.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.