Enda Wu 2022 机器学习专业课程 (I) 6.2 Logistic Regression 和第 3 周课后实验：Lab2 逻辑回归

问题预览/关键词

1. 如何创建逻辑回归算法？
2. 什么是Sigmoid函数？
3. 如何表示Sigmoid函数？
4. Sigmoid函数的输出结果意味着什么？
5. 如何使用Numpy库计算指数？

笔记

1.创建逻辑回归算法

使用Sigmoid函数。

2.Sigmoid函数

也叫做逻辑函数，是一个非线性函数。

3.Sigmoid函数的表示

• e是常数，约为2.7。z是线性回归公式的计算结果。函数的输出值在0-1。
  
• 推导过程
  
• 完整形态。
  
  z对sigmoid值的影响：z越大，sigmoid越无限趋近1。z越小。

4.sigmoid输出的结果

给定x的情况下，结果（类别）等于1的概率。

5.Numpy计算指数的方法

np.exp。

课后实验实验

python实现sigmoid函数

z是参数。

打印输入的z值和sigmoid计算的值

可视化z值和sigmoid的值

添加更多数据，使用逻辑回归可以正常预测分类

总结

面对分类的问题，我们需要使用逻辑回归的sigmoid函数进行预测分类，这个函数是非线性函数。它的输出值在0-1之间，但不会等于0或等于1，只是会无限接近于0或1，因此可以把它的输出理解为等于1的概率或等于0的概率。给定一个x，如果它通过sigmoid得出的结果小于阈值，则分类到0，如果大于等于阈值，则分类到1，这就是分数预测。