吴恩达机器学习Day4

有监督类算法②:

分类算法:

输出结果常常是:

"0"or"1";

"yes"or"no";

"ture"or"false";

"negativeclass"or"positive class";

用线性回归算法解决分类,可能会奏效,但通常效果不佳;

例如:

吴恩达机器学习Day4_第1张图片

逻辑回归:

使用最广泛的分类算法;

相比于线性回归,逻辑回归是一条曲线;

需要引入一个重要的数学函数:sigmoid函数(逻辑函数);

吴恩达机器学习Day4_第2张图片

吴恩达机器学习Day4_第3张图片

决策边界:

令决策函数z=0?

吴恩达机器学习Day4_第4张图片
吴恩达机器学习Day4_第5张图片

决策边界的样式取决于逻辑函数Z的设置;

平方误差代价函数对于线性回归是很好的选择;

但是对于逻辑回归并不是理想代价函数;

吴恩达机器学习Day4_第6张图片

逻辑回归理想的代价函数:

吴恩达机器学习Day4_第7张图片

你可能感兴趣的:(人工智能)