Its like a finger pointing away to the moon. Dont concentrate on the finger or you will miss all that heavenly glory.
目录
什么是二分类？
有一组图片，里面有些是小猫咪，有些不是小猫咪。每张图片由64×64个像素组成，每个像素包含（红、绿、蓝）三个颜色的信息。将图片里的64×64×3的数据提取出来，组合成一个向量，就是
。
符号解释
是一个长度为的向量，y是一个数，要么是0，要么是1（是或不是）。
是training sets，是由m个训练样本组成的。，这就是我们的训练集（training set）。
训练数据集：
，用于训练我们的二分类模型。
测试数据集：
（test example），用于测试模型的准确度。
我们会把整个数据集写的更紧凑一些，就像这样。
（将向量拼凑在一起，形成矩阵）
，是一个行列的矩阵。
X.shape
得到的结果也是
同时我们也把标签y也整理在向量中
logistic回归
logistic回归——一个机器学习算算法，用于监督学习，用于解决二分类问题。
是一个特征向量，他代表着一个图片。
代表着这张图片是不是一只小猫咪。
是你的算法对这张图片是不是小猫咪的估计。，特征向量的标签为1的概率。
logistic回归的参数是
，他和一样，也是一个维的向量，。是一个常数，。
如果我们用线性回归法的话，我们直接可以
，但这并不是一个好的二分类算法。
因为我们希望
是一个概率，它应该介于0和1之间。w和x直接线性相乘再相加，显然不会是一个介于0和1之间的数，他有可能会非常大，也有可能是个负数。
sigmoid函数
所以，这里，我们引入sigmoid函数。
。
z非常大时，
就非常接近1。当z非常小时，就非常接近0。
logistic回归损失函数
损失函数（loss function），例如
，但是logistic回归中我们一般不用这样的损失函数，因为这样我们可能会让我们的损失函数有很多的局部极值，用梯度下降法，我们很难得到最有解，我们很有可能得到的是局部最优解。
在logistic回归中，我们用的是这样的损失函数。
由于sigmoid函数，
只能介于0和1之间。我们可以分别将带入这个损失函数看一下，感受一下。
成本函数（cost function），
损失函数是对单个数据来说的，成本函数是对整个数据集来说的。
Original: https://blog.csdn.net/ToSsmAn_father/article/details/122813242
Author: _CyberAngel
Title: 深度学习入门笔记（一）二分分类、logistic回归
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/664336/
转载文章受原作者版权保护。转载请注明原作者出处！