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
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.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.