統整一下到底要如何Gradient Descent去計算Logistic Regression：
首先我們有輸入值x1,x2,y，用輸入值帶入active function可以得到y-hat：
還有error function的參數w1,w2,b，
然後就可以用梯度下降去獲得Net input了(也就是上一篇的那個偏微分) eta表示learning rate (校正幅度)
如何找到梯度下降的偏微分曲線>>
首先找到E，也就是error function：
有了E，接下來找y-hat：
最後就可以得到：
接下來就會發現他們的相互關係然後用y跟y-hat去替換：
也就是說梯度下降的偏微分曲線長這樣：
數學式表示：
向量式表示：
這就是如何用Gradient Descent去計算Logistic Regression了。
minimindy
iThome鐵人賽
看影片追技術