Machine_Learning（第七章）

于 2020-08-09 16:34:18 发布
阅读量184 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： Machine Learning 文章标签： 机器学习 逻辑回归
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LIve1AnD1LeARN/article/details/107893672
本文深入探讨了Logistic回归模型，包括其假设函数、决策边界、代价函数及梯度下降算法。同时，针对多分类问题和过拟合现象，介绍了正则化技术的应用，确保模型既能有效拟合数据又不过于复杂。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

logistic 回归

假设函数
在这里插入图片描述
决策边界：假设本身和参数的属性，不是训练集的属性
在这里插入图片描述
代价函数
在这里插入图片描述
简化的代价函数
在这里插入图片描述
梯度下降算法
在这里插入图片描述
多分类问题
在这里插入图片描述

欠拟合：没有很好的拟合训练数据
过拟合：假设函数能拟合几乎所有数据，但函数可能太过庞大，变量太多
在这里插入图片描述
正则化：避免过拟合
在这里插入图片描述
线性回归的正则化
正则化梯度下降
在这里插入图片描述
正则化正规方程
在这里插入图片描述
逻辑回归的正则化
正则化梯度下降
在这里插入图片描述

关于fminunc函数
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值