深度学习|2.2 逻辑回归

引入

如上图,给定x,x是指含有某一个特定事物的多个特征组成的向量, P ( y = 1 ∣ x ) P(y=1|x) P(y=1∣x)是指在x的情况下,y被判定为1的概率。

简言之,就是在知道多个特征的情况下,将某某东西猜成是某一个特定事物的概率。

线性回归的局限性

线性回归算出来的值并不是一个介于0到1的值,并不适合去作为一个概率来使用。

优化------sigmoid函数

将值回归到介于0和1之间的范围。

形式上的优化

将向量内积+常数的形式统一成向量内积的形式。

相关推荐
leo在掘金1 小时前
从DeepSeek 510亿融资到GitHub 33K Star开源项目:这周的技术生态发生了什么?
人工智能
小姜前线技术2 小时前
AI流式渲染打字机效果抖动?节流方案踩坑实录
人工智能
用户018349301692 小时前
AI对话状态管理:useReducer还是XState
人工智能
先锋部队2 小时前
给AI对话加「停止生成」按钮:abort SSE实战
人工智能
新新技术迷2 小时前
移动端H5接AI对话的坑:键盘顶起与滚动到底
人工智能
aqi005 小时前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG
人工智能·python·大模型·ai编程·ai应用
用户5191495848456 小时前
libcurl Headers API 释放后重利用漏洞:跨请求复用头句柄导致堆内存安全风险
人工智能·aigc
踩蚂蚁6 小时前
自定义语音唤醒词:从训练到部署的完整链路实践
人工智能