Müfredat 246 dersinden 41. · Modül 3: Nörondan MLP'ye
Modül 3: Nörondan MLP'ye

Evet ya da hayır cevapları (lojistik regresyon)

Neden önemli Çoğu görev bir sayı değil, bir kategori ister: spam mı değil mi, kedi mi köpek mi. Tek bir nöron artı bir sıkıştırma fonksiyonu evet ya da hayırı bir olasılıkla cevaplar.

Gör

Sigmoid her sayıyı 0 ile 1 aralığına sıkıştırır: sigmoid(z) = 1 / (1 + exp(-z)). sigmoid(0) = 0.5, sigmoid(3) yaklaşık 0.95, sigmoid(-3) yaklaşık 0.05. Çıktıyı "cevabın evet olma olasılığı" olarak oku.

Kayıp, Modül 2'deki iki sınıflı çapraz entropidir: -mean(y log p + (1 - y) log(1 - p)). Gradyanı güzel bir sadelikle çıkar: grad_w = X.T @ (p - y) / n. Yine tahmin eksi gerçek.

Lojistik regresyon: çapraz entropiyle eğitilen, sigmoidli tek bir nöron. İki sınıf arasına düz bir sınır çizer.

Özet Puanla, bir olasılığa sıkıştır, (p - y) üzerinde eğit.

Bu dersteki kelimeler ve semboller
nöron
w . x + b, sonra bir aktivasyon
sigmoid
1 / (1 + exp(-z)): her sayıyı 0 ile 1 arasına sıkıştırır
öğrenme oranı (lr)
her eğitim adımının ne kadar büyük olduğu
Senin sıran

sigmoid(z) ve sıfırlardan başlayıp (w, b) döndüren train_logistic(X, y, lr, steps) yaz. Sonra accuracy(X, y, w, b): p > 0.5 değerinin etiketle eşleştiği noktaların payı. Aynı iki gruptan gizli noktalarda en az %90'a ulaş.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.