吴恩达机器学习逻辑回归与Sigmoid函数04

1.Sigmoid or Logistic Function

我们可以通过使用线性回归模型,,(())=⋅()+,预测。然而，我们希望我们的分类模型的预测在0到1之间，因为我们的输出变量不是0就是1。这可以通过使用“sigmoid函数”来实现，该函数将所有输入值映射到0到1之间的值。正如在讲座视频中讨论的，对于分类任务，我们可以从使用我们的线性回归模型sigmoid或Logistic函数开始

2.Formula for Sigmoid function

Sigmoid型函数的公式如下-

在逻辑回归中，z (Sigmoid函数的输入)是线性回归模型的输出。
·Sigmoid函数的公式在单个例子中，是标量。
·在有多个示例的情况下，可能是由值组成的向量，每个示例一个值。
·sigmoid函数的实现应该涵盖这两种潜在的输入格式。让我们用Python实现它。在逻辑回归的情况下，z (sigmoid函数的输入)是线性回归模型的输出。

3.Logistic Regression

逻辑回归模型对我们熟悉的线性回归模型应用s型曲线，如下图所示:

下图为运行Sigmoid函数，执行逻辑回归得到的图像