سرفصل‌ها درس 41 از 246 · ماژول 3: از نورون تا MLP
ماژول 3: از نورون تا MLP

پاسخ‌های بله یا نه (رگرسیون لجستیک)

چرا مهم است بیشتر کارها یک دسته می‌خواهند، نه یک عدد: هرزنامه یا نه، گربه یا سگ. یک نورون به‌علاوهٔ یک تابع فشرده‌ساز با یک احتمال به بله یا نه پاسخ می‌دهد.

آن را ببینید

sigmoid هر عددی را در بازهٔ 0 تا 1 می‌فشارد: sigmoid(z) = 1 / (1 + exp(-z)). sigmoid(0) = 0.5، sigmoid(3) حدود 0.95، sigmoid(-3) حدود 0.05. خروجی را «احتمال اینکه پاسخ بله باشد» بخوانید.

زیان همان آنتروپی متقاطع ماژول 2 با دو کلاس است: -mean(y log p + (1 - y) log(1 - p)). گرادیانش به‌طرز زیبایی ساده درمی‌آید: grad_w = X.T @ (p - y) / n. باز هم پیش‌بینی منهای حقیقت.

رگرسیون لجستیک: یک نورون با sigmoid که با آنتروپی متقاطع آموزش داده می‌شود. مرزی خط راست میان دو کلاس می‌کشد.

خلاصه امتیاز دهید، به احتمال بفشارید، روی (p - y) آموزش دهید.

واژه‌ها و نمادهای این درس
نورون
w . x + b، سپس یک فعال‌سازی
sigmoid
1 / (1 + exp(-z)): هر عددی را در بازهٔ 0 تا 1 می‌فشارد
نرخ یادگیری (lr)
اینکه هر گام آموزش چقدر بزرگ است
نوبت شما

sigmoid(z) و train_logistic(X, y, lr, steps) را بنویسید که با شروع از صفرها (w, b) را برمی‌گرداند. سپس accuracy(X, y, w, b): سهم نقطه‌هایی که در آن‌ها p > 0.5 با برچسب جور است. روی نقطه‌های پنهان از همان دو گروه دست‌کم به 90% برسید.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.