Conteúdo do curso Lição 41 de 246 · Módulo 3: Neurônio para MLP
Módulo 3: Neurônio para MLP

Respostas sim ou não (regressão logística)

Por que isso importa A maioria das tarefas pede uma categoria, não um número: spam ou não, gato ou cachorro. Um neurônio mais uma função de esmagamento responde sim ou não com uma probabilidade.

Veja isso

A função sigmoid achata qualquer número no intervalo de 0 a 1: sigmoid(z) = 1 / (1 + exp(-z)). sigmoid(0) = 0.5, sigmoid(3) é cerca de 0.95, sigmoid(-3) cerca de 0.05. Leia a saída como "a probabilidade de a resposta ser sim".

A perda é a cross-entropy do Módulo 2 com duas classes: -mean(y log p + (1 - y) log(1 - p)). Seu gradiente sai lindamente simples: grad_w = X.T @ (p - y) / n. Predição menos verdade novamente.

Regressão logística: um neurônio com uma sigmoide, treinado com cross-entropy. Ele desenha uma fronteira de linha reta entre duas classes.

Resumo Score, comprima para uma probabilidade, treine em (p - y).

Palavras e símbolos nesta lição
neuron
w . x + b, depois uma ativação
sigmoid
1 / (1 + exp(-z)): esmaga qualquer número para 0 a 1
taxa de aprendizado (lr)
quão grande cada training step é
Sua vez

Escreva sigmoid(z) e train_logistic(X, y, lr, steps) retornando (w, b), começando do zero. Depois accuracy(X, y, w, b): a parte de pontos onde p > 0.5 corresponde ao label. Alcance pelo menos 90% nos pontos ocultos dos mesmos dois grupos.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.