神经网络基础

2018-11-27 本文已影响0人飘零的孤鹜

logistic回归

$z = w^Tx + b$

$\hat{y} = \sigma (z)$ 其中 $【\sigma (-x) = \frac{1}{1+e^x } 】$ 取值范围 (0, 1)

损失函数

$L(\hat{y^i }, y^i) = \frac{1}{2} (\hat{y} , y)^2$

$J(w, b) = \frac{1}{m} \sum_{i=1}^m L(\hat{y^i }, y^i)$

梯度下降（求损失函数的最小值）

上一篇下一篇

猜你喜欢

热点阅读