手推邏輯迴歸

首先從sigmoid函數入手： 它有一個很好的性質，後面會用到： 而後對二分類問題取對數似然函數，要求它的最大值，也就是求它的負數的最小值，轉換成凸函數由梯度降低法求解，這裏也能夠當作是交叉熵損失函數： 獲得損失函數後，讓它對每一個參數求偏導獲得梯度方向； 最後根據獲得的梯度方向以必定的學習率更新各個參數。web Reference: https://blog.csdn.net/tangyudi/

>>阅读原文<<