了解计算的公式後要来学习如何校正logistic regression:
首先复习一下前一篇的最後结论:y-hat = p(y=1|x) 在x中y=1发生的机率
=> 当y=1 时 p(y|x) = y-hat ; 当y=0 时 p(y|x) = 1-(y-bar)
整理後可以得到:
不懂就...先记起来
总之我们想要尽量的逼近我们的目标,也就是求出Max(p(y|x)),
於是想要使用单调递增的ln()函数去尽量逼近,得出Max(ln(p(y|x)))。
就是高中学的natural log,ln(x)微分後会是1/x
同时也想要尽量减少误差,於是这边使用的Error Function 一样使用ln()去计算的话 => min(ln(p(y|x)))
由此可得
套用进一开始假设的E(w1,w2,b) = -ln(p(y|x)),
p(y|x)则用刚刚整理好的公式带入 =>
就可以得到Logistic Regression的 Error Function,也就是Cross-entropy loss function
今天要来说明 ROS 怎麽安装,今天会分成 Ubuntu18.04 跟 Windwos 两个版本来讲...
前言 昨天学习了query builder 今天我们的目的就是要建立评分表 所谓评分表理当应该是除了...
基本介绍 名称我自己取的,对不起作者了~ 它的组成照步骤走比较好组成,不然会乱掉 STEP 1 - ...
Overfitting是在执行任何模型的时候我们都要注意的问题,今天就来聊聊overfitting是...
公司使用Office365商业基本版 没有自建邮件服务器,是使用中华电信的hibox挂在Outloo...