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
跨境卫士苏苏37 分钟前
亚马逊AI广告革命:告别“猜心”,迎接“共创”时代
大数据·人工智能·算法·亚马逊·防关联
珠海西格电力37 分钟前
零碳园区工业厂房光伏一体化(BIPV)基础规划
大数据·运维·人工智能·智慧城市·能源
土星云SaturnCloud1 小时前
不止是替代:从机械风扇的可靠性困局,看服务器散热技术新范式
服务器·网络·人工智能·ai
小马爱打代码1 小时前
Spring AI:搭建自定义 MCP Server:获取 QQ 信息
java·人工智能·spring
你们补药再卷啦1 小时前
ai(三)环境资源管理
人工智能·语言模型·电脑
飞哥数智坊2 小时前
GLM-4.6V 初探:国产 AI 能边写边自己配图了
人工智能·chatglm (智谱)
杰克逊的日记2 小时前
大模型的原理是什么
人工智能·大模型·gpu·算力
智算菩萨2 小时前
AI在智能制造中的落地:从预测维护到自适应生产调度
人工智能·制造
云和数据.ChenGuang2 小时前
AI 算力竞争下的昇腾硬件定位
人工智能
中科天工2 小时前
从“人海战术”到“无人值守”:一套智能工厂解决方案,如何用最小空间释放最大产能?
大数据·人工智能·智能