技術文章
技術問答
iT 徵才
聊天室
2026 鐵人賽
登入/註冊
文章
問答
Tag
邦友
鐵人賽
搜尋
2023 iThome 鐵人賽
DAY
7
0
AI & Data
什麼演算法?一起來學機器學習!
系列 第
7
篇
Day7-邏輯回歸 (Logistic Regression)
15th鐵人賽
machine learning
機器學習
學習筆記
yao021019
團隊
好想放假大學
2023-09-22 08:31:36
681 瀏覽
分享至
前幾天有提過的線性回歸是用來預測一個連續的值,而今天要學的邏輯回歸則是用來做分類用的
線性回歸 V.S. 邏輯回歸
線性回歸:找到一條線,讓data盡可能擬合
邏輯回歸:找到一條線,將不同類別區分開來
邏輯回歸
因為有經過sigmoid function所以輸出值會介於0~1之間(也就是為某類的機率)
sigmoid function 是一種具有 S 形曲線特徵的數學函數,可以將點映射到0~1之間
透過計算cross entropy找到最合適的function
cross entropy 用來計算預測機率與實際機率的誤差範圍
適用時機
線性可分的資料
低維度資料
參考資料
https://chih-sheng-huang821.medium.com/%E6%A9%9F%E5%99%A8-%E7%B5%B1%E8%A8%88%E5%AD%B8%E7%BF%92-%E7%BE%85%E5%90%89%E6%96%AF%E5%9B%9E%E6%AD%B8-logistic-regression-aff7a830fb5d
https://www.youtube.com/watch?v=hSXFuypLukA&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=11
https://r23456999.medium.com/%E4%BD%95%E8%AC%82-cross-entropy-%E4%BA%A4%E5%8F%89%E7%86%B5-b6d4cef9189d
留言
追蹤
檢舉
上一篇
Day6-多項式回歸(Polynomial Regression)
下一篇
Day8-SGDregressor (Stochastic Gradient Descent Regressor)
系列文
什麼演算法?一起來學機器學習!
共
30
篇
目錄
RSS系列文
訂閱系列文
6
人訂閱
26
# Day26-Single Shot MultiBox Detector (SSD) part1
27
# Day27-Single Shot MultiBox Detector (SSD) part2
28
Day28-Single Shot MultiBox Detector (SSD) part3
29
Day29-混淆矩陣(confusion matrix)
30
Day30-完賽啦!對於這次鐵人賽,我有話要說
完整目錄
熱門推薦
{{ item.subject }}
{{ item.channelVendor }}
|
{{ item.webinarstarted }}
|
{{ formatDate(item.duration) }}
直播中
立即報名
尚未有邦友留言
立即登入留言
iThome鐵人賽
參賽組數
902
組
團體組數
37
組
累計文章數
19837
篇
完賽人數
528
人
看影片追技術
看更多
{{ item.subject }}
{{ item.channelVendor }}
|
{{ formatDate(item.duration) }}
直播中
熱門tag
15th鐵人賽
16th鐵人賽
13th鐵人賽
14th鐵人賽
17th鐵人賽
12th鐵人賽
11th鐵人賽
鐵人賽
2019鐵人賽
javascript
2018鐵人賽
python
2017鐵人賽
windows
php
c#
linux
windows server
css
react
熱門問題
Seeed XIAO ESP32-S3 透過 UART (921600) 無法發送 AT 指令到 Grove Vision AI V2 (Himax WE2)
Windows XP作業系統,程式存取SQL SERVER 2025失敗
webview cab 封包檔
SAP B1 如何將"自定義表格"匯出並且匯入到另一個資料庫
熱門回答
Windows XP作業系統,程式存取SQL SERVER 2025失敗
SAP B1 如何將"自定義表格"匯出並且匯入到另一個資料庫
熱門文章
我不信任 AI 的自律,所以把「限制」寫死在資料庫裡
大家都怕依賴 AI,但真正天天用 AI 的人似乎沒那麼怕
AI Agent 時代的企業風險:當洩漏的不再只是資料
AI Agent 時代的下一個問題:當第 101 次決策出錯時,誰來負責?
從 Vibe Coding 到 Agentic Engineering:AI 寫程式真正缺的不是靈感,是驗證
IT邦幫忙
×
標記使用者
輸入對方的帳號或暱稱
Loading
找不到結果。
標記
{{ result.label }}
{{ result.account }}