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)