pytorch:logistic regression(但是我们常把它理解为classification问题)

将y=xw+b转换为分类问题,可以加一个sigmoid函数pytorch:logistic regression(但是我们常把它理解为classification问题)(也叫logistic),即y=pytorch:logistic regression(但是我们常把它理解为classification问题)(xw+b)

之后输出的值不再是一个连续的范围,而是约等于一个[0,1]的值。

即当p(y=0|x)接近于0的时候代表不是这一类,而接近于1的时候,代表是这一类。

对于classification问题,if p(y=1|x)>0.5,判别为1,否则判别为0

而对于多分类问题来说,就会有以下关系

pytorch:logistic regression(但是我们常把它理解为classification问题)

 这里我们有一个新的约束,pytorch:logistic regression(但是我们常把它理解为classification问题)

如何生成这个约束条件?

我们可以使用之前介绍的softmax函数

pytorch:logistic regression(但是我们常把它理解为classification问题)

 可以从下边的笔记看出,本来是2,1倍数被放大,后来变成了0.7,0.1。直接从两倍变为了三倍。更容易分类了。

 

上一篇:【luogu P7796】图书管理员 / POLICE(并查集)(树状数组)


下一篇:Python实例29:利用python自动创建多个Excel表格