如何在逻辑回归成本函数中表示假设函数
How to represent hypothesis function in logistic regression cost function
下面是具有特征（x），训练样本（y）的逻辑回归成本函数
假设函数（红圈）应该如何表示？ :
我正在尝试实现此函数，但不确定该假设应采用什么值（或函数）？
逻辑回归中的激活函数是sigmoid函数（https://en.wikipedia.org/wiki/Sigmoid_function），定义为
对于给定的 x 和要确定的参数 theta，这也是 y 取 1 值的概率（sigmoid 始终在 0 和 1 之间）
你提到的成本函数来自最大似然估计 (https://en.wikipedia.org/wiki/Maximum_likelihood) 训练(X, y) 对。任何 (X, y) 对的对数似然正好是
最终损失函数恰好是所有 (X, y) 个训练对的所有对数似然之和。
因此，您所说的“假设”只是 sigmoid，1/(1+exp(-theta * x))（实际上我不熟悉在这种情况下使用的术语假设，但该表达式类似于涉及 sigmoid 和的任何标准表达式MLE)
下面是具有特征（x），训练样本（y）的逻辑回归成本函数
假设函数（红圈）应该如何表示？ :
我正在尝试实现此函数，但不确定该假设应采用什么值（或函数）？
逻辑回归中的激活函数是sigmoid函数（https://en.wikipedia.org/wiki/Sigmoid_function），定义为
对于给定的 x 和要确定的参数 theta，这也是 y 取 1 值的概率（sigmoid 始终在 0 和 1 之间）
你提到的成本函数来自最大似然估计 (https://en.wikipedia.org/wiki/Maximum_likelihood) 训练(X, y) 对。任何 (X, y) 对的对数似然正好是
最终损失函数恰好是所有 (X, y) 个训练对的所有对数似然之和。
因此，您所说的“假设”只是 sigmoid，1/(1+exp(-theta * x))（实际上我不熟悉在这种情况下使用的术语假设，但该表达式类似于涉及 sigmoid 和的任何标准表达式MLE)