参见 Stanford CS230学习笔记(二):Lecture 2 Basics, Logistic Regression and Vectorizing 逻辑斯蒂回归 公式 Y ^ = σ ( w T X + b ) \hat{Y}=\sigma (w^TX+b) Y^=σ(wTX+b) 其公式中的各项数据含义如下: 输入X:假设输入为一张64*64的图片,那么依次取出R、G、B矩
逻辑斯蒂回归:判别模型,分类 二项逻辑斯蒂回归思路: 线性回归的预测值为一系列实值,为了使输出值变成分类所需的0和1,需要有一个映射将线性回归的输出变在(0,1)之间。这个函数为sigmoid函数。 s i g m o i d ( x ) = 1 1 + e − x sigmoid(x)=\frac{1}{1+\mathrm{e}^{-x }} sigmoid(x)=1+e−x1 将线性函