educoder 机器学习 --- 逻辑回归

最新推荐文章于 2024-11-03 06:00:00 发布

木右加木

最新推荐文章于 2024-11-03 06:00:00 发布

阅读量3.2k

点赞数 5

分类专栏： educoder 文章标签：机器学习

本文链接：https://blog.csdn.net/VDingLinlin/article/details/121211626

版权

这篇博客深入探讨了逻辑回归的核心思想，详细解释了逻辑回归的损失函数，并介绍了使用梯度下降进行优化的方法。通过实际案例，如癌细胞精准识别和手写数字识别，展示了逻辑回归在实际问题中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第1关：逻辑回归核心思想

#encoding=utf8
import numpy as np

def sigmoid(t):
    '''
    完成sigmoid函数计算
    :param t: 负无穷到正无穷的实数
    :return: 转换后的概率值
    :可以考虑使用np.exp()函数
    '''
    #********** Begin **********#
    sig = 1/(1+np.exp(-t))
    return sig
    #********** End **********#

第2关：逻辑回归的损失函数

１、Ａ
２、ＡＣＤ
３、ＡＢ
４、Ｄ

第3关：梯度下降

# -*- coding: utf-8 -*-

import numpy as np
import warnings
warnings.filterwarnings("ignore")

def gradient_descent(initial_theta,eta=0.05,n_iters=1000,epslion=1e-8