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
PhotonixBay6 分钟前
共聚焦显微镜的结构组成与应用
人工智能·算法·机器学习
大傻^13 分钟前
Spring AI Alibaba Function Calling:外部工具集成与业务函数注册
java·人工智能·后端·spring·springai·springaialibaba
SuniaWang14 分钟前
《Spring AI + 大模型全栈实战》学习手册系列 · 专题四:《Ollama 模型管理与调优:让 AI 模型在低配服务器上流畅运行》
人工智能·学习·spring
anscos_yumi24 分钟前
Altair OptiStruct:重构结构研发逻辑,引领工业仿真与优化新纪元
人工智能·科技·软件工程
市象34 分钟前
小红书盯上“AI版郑州帮”
人工智能·网络安全·传媒
人工智能AI技术44 分钟前
DeskClaw Windows上线|C#开发AI桌面助手,轻量内核源码解析
人工智能·c#
璞华Purvar44 分钟前
园区运营管理系统是什么?如何实现园区全业务精细化数字化管理?(2026年)
大数据·人工智能
zzh940771 小时前
2026年实测:Genmini 3.0使用AI联网搜索功能全攻略
人工智能
田里的水稻1 小时前
EI_openclaw_UI交互
人工智能·ui·机器人
>ᴗoಣ1 小时前
Exploring Persona Sentiment Sensitivity in Personalized Dialogue Generation
人工智能