吴恩达机器学习笔记:逻辑回归3

3.判定边界

现在说下决策边界(decision boundary)的概念。这个概念能更好地帮助我们理解逻辑回归的假设函数在计算什么。

在逻辑回归中,我们预测:

当ℎθ (x) >= 0.5时,预测 y = 1。

当ℎθ (x) < 0.5时,预测 y = 0 。

根据上面绘制出的 S 形函数图像,我们知道当

Z = 0 时 g(Z) = 0.5

Z > 0 时 g(Z) > 0.5

Z < 0 时 g(Z) < 0.5 又 Z = θ T x θ^{T}x θTx,

即:
θ T x θ^{T}x θTx >= 0 时,预测 y = 1
θ T x θ^{T}x θTx < 0 时,预测 y = 0

现在假设我们有一个模型:

并且参数θ是向量[-3 1 1] 。 则当−3 + x 1 x_1 x1 + x 2 x_2 x2 ≥ 0,即 x 1 x_1 x1 + x 2 x_2 x2 ≥ 3时,模型将预测 y = 1 。

我们可以绘制直线 x 1 x_1 x1 + x 2 x_2 x2 = 3,这条线便是我们模型的分界线,将预测为1的区域和预测为0的区域分隔开。

假使我们的数据呈现这样的分布情况,怎样的模型才能适合呢?

因为需要用曲线才能分隔 y = 0 的区域和 y = 1 的区域,我们需要二次方特征:
h θ ( x ) = g ( θ 0 + θ 1 x 1 + θ 2 x 2 + θ 3 x + θ 4 x ) h_\theta(x) = g(\theta_0 + \theta_1 x_1 + \theta_2 x_2 + \theta_3 x + \theta_4 x) hθ(x)=g(θ0+θ1x1+θ2x2+θ3x+θ4x)的参数向量为[-1 0 0 1 1],则我们得到的判定边界恰好是圆点在原点且半径为 1 的圆形。

我们可以用非常复杂的模型来适应非常复杂形状的判定边界。

相关推荐
sz-lcw3 小时前
MySQL知识笔记
笔记·mysql·adb
古译汉书4 小时前
嵌入式铁头山羊STM32-各章节详细笔记-查阅传送门
数据结构·笔记·stm32·单片机·嵌入式硬件·个人开发
max5006004 小时前
基于Meta Llama的二语习得学习者行为预测计算模型
人工智能·算法·机器学习·分类·数据挖掘·llama
王哥儿聊AI5 小时前
Lynx:新一代个性化视频生成模型,单图即可生成视频,重新定义身份一致性与视觉质量
人工智能·算法·安全·机器学习·音视频·软件工程
2301_800050996 小时前
DNS 服务器
linux·运维·笔记
汇能感知6 小时前
光谱相机的未来趋势
经验分享·笔记·科技
lisw057 小时前
连接蓝牙时“无媒体信号”怎么办?
人工智能·机器学习·微服务
jie*7 小时前
小杰机器学习(nine)——支持向量机
人工智能·python·机器学习·支持向量机·回归·聚类·sklearn
nju_spy7 小时前
南京大学 - 复杂结构数据挖掘(一)
大数据·人工智能·机器学习·数据挖掘·数据清洗·南京大学·相似性分析
Coovally AI模型快速验证8 小时前
从避障到实时建图:机器学习如何让无人机更智能、更安全、更实用(附微型机载演示示例)
人工智能·深度学习·神经网络·学习·安全·机器学习·无人机