iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 6
0
自我挑戰組

機器學習入門系列 第 6

ML_Day6(Logistic Regression Problem)

  • 分享至 

  • xImage
  •  

簡單回顧
ML_Day2(機器學習種類)機器學習種類有稍微提到什麼是Regression及與classification的差異。

介紹
以病人罹患心臟病為例子,之前介紹binary classification時,系統透過病人的資料,來判斷是否有心臟病,但現在想知道,經過一段時間後病人心臟病發的風險是多少,所以我們所感興趣的是一個0~1的值。所以跟binary classification是有差異的,我們不是要知道結果是o或x,我們想要知道的是o或x的機會有多少,所以有些人又稱之為”soft classification”。
https://ithelp.ithome.com.tw/upload/images/20190918/20116157Y1OyPLDbLI.png

  • soft binary classification
    之前在做二元分類時,input是病人的特徵值,然後透過w*x輸出的值來判斷其正負,決定是+1或-1,但是現在希望把這個訊息反映到0~1之間的數值。
    從下圖可以知道,我們想知道output=+1機率是多少,例如y1'=0.9,代表+1的機率為0.9,那實際上y1是o,y2'=0.2,代表+1的機率為0.2,y2'=x(機率0.2,表示y2'為x機會相對較高)

https://ithelp.ithome.com.tw/upload/images/20190918/20116157NiMosV6RYy.png

  • Logistic Hypothesis
    我們有了資料後,代入下面的式子(跟之前linear regression一樣),但是如果要得到介於0~1的值,必須要把輸出的值代入θ函數作轉換,這個函數就叫做logistic function,又稱為sigmoid function。
    https://ithelp.ithome.com.tw/upload/images/20190918/20116157T3PMwbD73A.png
    https://ithelp.ithome.com.tw/upload/images/20190918/20116157hq21tGyaa7.png

上一篇
ML_Day5(Linear Regression Introduction)
下一篇
ML_Day7(Logistic Regression Error)
系列文
機器學習入門28
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言