神經網絡與深度學習筆記（二）邏輯迴歸

邏輯迴歸函數是由兩個函數符合而成，首先咱們有sigmoid函數g(z)：

固然這裏面的參數能夠加上各類有關theta的定值，並不必定必須就只有x以前的theta參數。

而後再把g(z)拿到h(x)函數裏面去擬合就能夠了，h(x)則是咱們的Logistic迴歸函數。

把這兩個方程擬合放到一塊兒有：

sigmoid函數長這樣：

因爲咱們是二分類的問題，所以y只有1或者0這兩種可能，咱們能夠寫出這兩個方程：

後面的x表示咱們輸入的特徵的值爲x,theta表示的是咱們這個x與y之間的函數的參數是theta.

固然，在咱們的sigmoid函數當中，只是當z大於0的時候，咱們能夠看到y並不必定就真的等於1了，而是擁有了一個y=1的機率，而這個機率該如何計算，吳恩達在課程裏也暫時沒有講。