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
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.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.