人工智能-分类任务与逻辑回归-逻辑回归
先来道题
线性回归做法
咱们可以先经过线性回归做一下
先树立个数据,操练一下,得到一条线
然后咱们可以做个判别
也可以处理
不过也回存在问题
当咱们用这个数据从头操练一个模型
他就会有问梯度下降法matlab题,样本的杂线性回归方程例题详解乱程度添加,这种办法可能就不好了
所以梯度下降法原理和过程咱们需求运用新的办法,便是行将学习的逻辑回归
逻辑回归
那么经过逻辑回归要怎样做呢
咱们要准备一条逻辑回归方程
像这个样
解释一下
由于咱们在这个分类问题里, 咱们把分类的问题归结成一个他是某一类其他概率梯度下降法原理和过程,那么在概率大于0.5的时分咱们判别他是梯度下降法原理1,小于0.5时咱们线性回归判别他是0。
怎样运用呢
用这3个数去核算前面讲过的,水池放水问题
当x = -20的时分
1 + e^20就很大很大了,那么1/(1 + e^20)就十分趋近于0
其他数据带进去算一算,会发现是很贴合实梯度下降法际情梯度下降公式况的。
那水池放水也算是个简略线性回归方程例题详解的问题,再看看凌乱问题怎样做
凌乱问梯度下降法例题题
先看这种状况
那么梯度下降算法推导前面说的都是简略的线性回归方程公式详解状况,咱们来看看略微凌乱一点的要怎样做呢
来看看这个问题
咱们可以看线性回归方程公式出来这个分类,在图形上可以用一条直线将它分隔
咱们看这条直线,可以看出来直线上面的是赤色的区域,下面是蓝色的
咱们就可以把直线,先求出来,线性回归模型然后带入到e的指数里
像这样
具体完结一下便是,先求这个条直线
g((x,y)) = y -x - 1
把数据带入进逻辑回归方程,就可以求出来这个点假如在直线上方那么e的指数就会是个正数,假如点在直线下方e的指数便是个负数。
是不是就发现跟梯度下降法matlab之前的那个放水问题差不多了
再看看这种状况
咱们相同的,先树立一条线把两类数据分隔
咱们分析一下这个是个圆心为(0,0)
半径为2
的圆
那么g((x,y)) = x^2 + y^2 - 4
相同把这个g(x)带入到一开始的逻辑回归方程里e的指数线性回归方程的a和b怎么求
就可以得到分类的逻辑回归方程了
统一一下
咱们把刚才那种可以差异这个值或许点怎样分类的线叫做这个模型的决议方案鸿沟
总结一下
求解逻辑回归模型
先回想一下梯度下降线性回归
首先在线性回归的时分,咱们是先找到一个丢掉函数。
然后以找到丢掉函数的极小值点为政策,对咱们的丢掉函数进行调整,给定一个步长,进行梯度下降,知道函数收敛。
逻辑回归
那么咱们逻辑回归的做法也是相同的,首先找到梯度下降法一个丢掉函数
可是呢关于咱们逻辑回归哦,实践的数据都是0和1。咱们就会希望,假如在猜测和线性回归方程的a和b怎么求实践对应不上时,丢掉的函数应该要十分大的梯度下降算法思维。相同的关于他们假如对的上的时分,咱们就希望这个值无限接近于0
丢掉函数求解
先把咱们的丢掉函数拾掇一下
有了这个函数,咱们就对他进行梯度下降法求解
关于这个使命呢,线性回归方程公式咱们做一下,那咱们其实便是关于鸿沟函数进行梯度下降求解。梯度下降法例题根据不同的鸿沟线的形状确定是个几回几元的函数,然后给定随机的一个点的数据线性回归方程例题详解,按梯度的方线性回归方程公式详解向和步径调整,把数据存到一个暂时数据里,然后再找下一个点,和暂时数据对比,直到这两个数据相等就找到了这个梯度下降算法推导系线性回归分析数的值。就知道了这个回归模梯度下降算法的正确过程型的解。