吳恩達機器學習筆記2——logistic迴歸3

整體代價函數J(θ) 單個樣本的代價 Cost(h(x),y),爲了使之不要分類寫,可以寫成上圖中下面這一行式子 不要忘記 logistic迴歸的h(x)=p(y=1|x,θ),在給定x和θ的前提下,分類爲1的概率。 如h(x)=0.7, 分類爲1的概率是70%。 梯度下降來最小化代價函數 發現用梯度下降算法時,算出來的θ更新的式子貌似和線性迴歸時一樣。但其實由於h(x)不同,所以他們並不相同!
相關文章
相關標籤/搜索