对于线性回归, 成本函数为–
文章图片
但是对于Logistic回归,
文章图片
这将导致非凸成本函数。但这会导致成本函数具有局部最优值, 这对于梯度下降计算全局最优值来说是一个很大的问题。
文章图片
因此, 对于Logistic回归, 成本函数为
文章图片
如果y = 1
文章图片
Cost = 0 if y = 1, hθ(x) = 1
但是
hθ(x) -> 0
Cost -> Infinity
文章图片
所以,
文章图片
文章图片
文章图片
拟合参数θ, 必须将J(θ)最小化, 并且为此需要梯度下降。
梯度下降 -看起来与线性回归相似, 但区别在于假设hθ(X)
文章图片
【ML Logistic回归中的成本函数】首先, 你的面试准备可通过以下方式增强你的数据结构概念：Python DS课程。
推荐阅读
- ML信用卡欺诈检测详细示例
- ML分类与回归介绍和区别
- ML使用Scikit-learn进行癌细胞分类
- ML线性回归的波士顿房屋Kaggle挑战
- Python Set中的最大值和最小值
- 为何XP显示上次光盘内容如何处理
- 搞定XP开机时DLL出错提示
- 进入XP系统后假死机的处理办法
- 桌面上没有我的电脑图标的添加办法