机械学习(吴恩达)-6分类问题

我们一般不用线性回归来做分类问题

我们接下来学习Logistic回归算法,他是一种分类算法,他的输出值介于0和1之间

机械学习(吴恩达)-6分类问题_第1张图片

下面我们来学习决策边界,它可以帮助我们来理解假设函数在干什么? 

机械学习(吴恩达)-6分类问题_第2张图片

其中g为sigmod函数 

机械学习(吴恩达)-6分类问题_第3张图片

其中x_1+x_3这条线为决策边界。它将平面分成了两个部分 ,决策边界是假设函数的一个属性。

机械学习(吴恩达)-6分类问题_第4张图片

我们要用训练集数据来拟合\Theta,主要问题是如何避免代价函数使非凸函数 。所谓代价函数,就是用来衡量预测输出和真实值的偏差程度。

 机械学习(吴恩达)-6分类问题_第5张图片

接下来我们就需要最小化代价函数,为什么要选择这样的代价函数,这是从统计函数中出来的,因为它的凸函数因此可以使用梯度下降找到局部收敛的点。 

接下来我们学习如何使用Logistic回归来解决多分类问题。

机械学习(吴恩达)-6分类问题_第6张图片 

机械学习(吴恩达)-6分类问题_第7张图片 

 

 

 

机械学习(吴恩达)-6分类问题_第8张图片 

 

 

你可能感兴趣的:(分类,算法)