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
素男7 小时前
两个月不是六十天
人工智能·agent·self-becoming·ai长期记忆·ai自我介绍
byte轻骑兵7 小时前
【LMP】规范精讲[10]: 语音专线开线记——SCO 固定占座与 eSCO 限时重传
人工智能·人机交互·lmp·蓝牙链路管理·蓝牙外设
龙亘川7 小时前
构建城市公共安全数字底座:亘川智城智慧安防系统全维度解读
java·大数据·开发语言·人工智能·信息可视化
迅易科技7 小时前
Copilot Studio 更新思考:Agent、Workflow、App 如何重新划分企业流程分工
人工智能·微软
BJ_Bonree7 小时前
博睿数据亮相第41届BFSI IT Summit Thailand
大数据·人工智能·物联网
好焊孙辉7 小时前
六成份额之后:鸿栢科技扩大产业规模的几点思考
大数据·人工智能·科技
Zzj_tju7 小时前
准确率不变,概率质量也不变吗?
人工智能·深度学习·机器学习·语言模型
诸神缄默不语7 小时前
小春学习日刊 2026年第9期:2026.10.31
人工智能