第三周(Logistic回归 + Regularization)-【机器学习-Coursera Machine Learning-吴恩达】
2018-03-05 22:17
323 查看
目录:
逻辑回归模型
多类别分类
正则化
利用Logistic函数,使输出范围控制在【0,1】之间
2)决策边界
由logistic函数的图像可以看出 当y=1时:
也就是说:
这样,就会形成一个判断输出为0还是1的边界(X为变量,与参数theta有关),称为决策边界。
3)代价函数
简化:
(在使用梯度下降时,用这个函数确认每一次迭代J(theta)都是减少的)
向量化:
4)梯度下降
通用式:
求导后:
向量化:
5)高级优化算法
例如:"Conjugate gradient"、 "BFGS"、 "L-BFGS"
原理很难,但可以利用一些已经实现的库函数
自己写相应代价函数:
调用库函数
(对于每一个类别,都计算一个上述logistic假设函数 h ,表示属于此类别的概率
然后将测试值代入每一个函数,拥有最大值的即为所属类)
过度拟合解决办法:减少特征量 和 正则化
假设函数过度拟合后,我们可以通过修改成本函数进行相应参数权重的弱化
代价函数正则化:
1)正则化线性回归
梯度下降法 求参数时:
正规方程法 求参数theta时:
2)正则化逻辑回归
——————————————————————————————————————————
Logistic Regression测试解答 http://blog.csdn.net/huazhenrea/article/details/52567041
逻辑回归模型
多类别分类
正则化
1 逻辑回归模型
1)逻辑回归的假设函数:利用Logistic函数,使输出范围控制在【0,1】之间
2)决策边界
由logistic函数的图像可以看出 当y=1时:
也就是说:
这样,就会形成一个判断输出为0还是1的边界(X为变量,与参数theta有关),称为决策边界。
3)代价函数
简化:
(在使用梯度下降时,用这个函数确认每一次迭代J(theta)都是减少的)
向量化:
4)梯度下降
通用式:
求导后:
向量化:
5)高级优化算法
例如:"Conjugate gradient"、 "BFGS"、 "L-BFGS"
原理很难,但可以利用一些已经实现的库函数
自己写相应代价函数:
调用库函数
2 多类别分类
一对多方法:(对于每一个类别,都计算一个上述logistic假设函数 h ,表示属于此类别的概率
然后将测试值代入每一个函数,拥有最大值的即为所属类)
3 正则化——克服过度拟合
过拟合就是模型过度的拟合了训练样本,形成的分界线一味迎合训练样本,使测试样本准确率降低。过度拟合解决办法:减少特征量 和 正则化
假设函数过度拟合后,我们可以通过修改成本函数进行相应参数权重的弱化
代价函数正则化:
1)正则化线性回归
梯度下降法 求参数时:
正规方程法 求参数theta时:
2)正则化逻辑回归
——————————————————————————————————————————
Logistic Regression测试解答 http://blog.csdn.net/huazhenrea/article/details/52567041
相关文章推荐
- Coursera-吴恩达-机器学习-(第3周笔记)Logistic Regression and Regularization
- 【机器学习 吴恩达】CS229课程笔记notes1翻译-Part II分类和logistic回归
- coursera 吴恩达 -- 第四课 卷积神经网络 :第三周 Autonomous driving - Car detection
- 第二周(多变量线性回归 +Matlab使用)-【机器学习-Coursera Machine Learning-吴恩达】
- 第五周(反向神经网络)-【机器学习-Coursera Machine Learning-吴恩达】
- 斯坦福大学(吴恩达) 机器学习课后习题详解 第三周 逻辑回归
- coursera-斯坦福-机器学习-吴恩达-第7周笔记-支持向量机SVM
- Coursera公开课笔记: 斯坦福大学机器学习第七课“正则化(Regularization)”
- Coursera-吴恩达-机器学习-(第11周笔记)应用实例:photo OCR
- 第十周(大规模机器学习)-【机器学习-Coursera Machine Learning-吴恩达】
- Coursera吴恩达《构建机器学习项目》课程笔记(1)-- 机器学习策略(上)
- Coursera-吴恩达-机器学习-(第4周笔记)Neural Networks——Representation
- 吴恩达-coursera-机器学习-week1
- 课程笔记|吴恩达Coursera机器学习 Week1 笔记-机器学习基础
- coursera《机器学习》吴恩达-week1-01 课程介绍
- NTU-Coursera机器学习:linear回归与logistic回归
- coursera-斯坦福-机器学习-吴恩达-第5周笔记-反向传播
- Coursera-吴恩达-机器学习-(编程练习1)Linear Regression(对应第1-2周课程)
- coursera-斯坦福-机器学习-吴恩达-第9周笔记(上)-异常检测
- 吴恩达-coursera-机器学习-week4