最好网页游戏网站,react做网站,织梦 网站搬家,网站开发流程数据库之前文章中提到监督学习的应用可分为两类#xff1a;线性回归和逻辑回归。和线性回归不同#xff0c;逻辑回归输出只有0和1。对于一个逻辑回归任务#xff0c;可以先使用线性回归来预测y。然而我们希望逻辑回归预测模型输出的是0和1#xff0c;为了达到这个目的#xff0c… 之前文章中提到监督学习的应用可分为两类线性回归和逻辑回归。和线性回归不同逻辑回归输出只有0和1。对于一个逻辑回归任务可以先使用线性回归来预测y。然而我们希望逻辑回归预测模型输出的是0和1为了达到这个目的我们使用sigmoid()来把线性回归预测的输出y映射到0和1之间。
sigmoid公式为: 公式中的z表示的是线性回归模型中输出的结果y。m个training data的情况下y是一个含m个value的向量。
sigmoid公式代码实现很简单
def sigmoid(z):Compute the sigmoid of zArgs:z (ndarray): A scalar, numpy array of any size.Returns:g (ndarray): sigmoid(z), with the same shape as zg 1/(1np.exp(-z))return g
用图形表示sigmod的输出样子是:可以看到输出区间始终在0到1之间输入z越大越趋近于1反之趋近于0 逻辑回归的公式与线性回归类似