Kodierung der logistischen Regression in Python
In diesem Blog erfahren Sie, wie Sie die logistische Regression von Grund auf in Python codieren.
Bevor wir uns mit dem Code befassen, wollen wir die Mathematik hinter der logistischen Regression verstehen und das Modell mit Gradient Descent trainieren .
Logistische Regression :
Der Name dieses Algorithmus ist logistische Regression wegen der logistischen Funktion, die wir in diesem Algorithmus verwenden. Dabei kombinieren wir linear die Eingaben (X) und die Gewichte/Koeffizienten, um die Ausgabe (y) zu erhalten.
Die Ausgabe dieses Modells skaliert zwischen 0 und 1, was als Wahrscheinlichkeit dafür dient, dass der Datenpunkt zu einer bestimmten Klasse gehört. Wir verwenden die Sigmoidfunktion, um dieses Ziel zu erreichen.
Hey! Warte ab .
Befolgen Sie einfach die folgenden Schritte und Sie werden lernen, wie es funktioniert.
- Zunächst werden alle Eingaben mit ihren jeweiligen Gewichten multipliziert und aufsummiert, und wir nennen diese gewichtete Summe .
3. Dann berechnen wir den Verlust mit der folgenden Verlustfunktion .
Die Gewichte/Koeffizienten sind ein Dimensionsvektor, den wir mithilfe des Gradientenabstiegs lernen müssen. Jetzt werden wir sehen, wie man diese Gewichte lernt.
Gradientenabstieg:
Gradientenabstieg ist die Optimierungstechnik, bei der wir den Gradienten der Verlustfunktion verwenden, um unsere Gewichte zu aktualisieren. Jetzt werden wir sehen, wie die Gewichte damit aktualisiert werden.
Zeig mir den Code:
Ich habe die logistische Regressionsklasse implementiert. Dieser Code hat keine Regularisierung implementiert.
Zeichnen wir einige Diagramme, um zu veranschaulichen, wie das Modell lernt.
Das ist alles für jetzt. Wenn Sie dann Fragen haben, schreiben Sie in die Kommentare.
Wenn Sie ein Anfänger sind und wissen möchten, was Kalibrierung ist, lesen Sie diesen Blog .
Kalibrierung im maschinellen LernenSuggested posts
Warum manche Freiberufler ihr Leben vortäuschen
Ich war kürzlich auf Linkedin, dem weltweit größten professionellen sozialen Netzwerk, und habe Beiträge von freiberuflichen Designern gefunden, denen ich folge und die meine Aufmerksamkeit erregt haben. Sie alle haben Fotos aus Flugzeugen, am Strand mit ihren Laptops, aus Schwimmbädern und Büros mit atemberaubender Aussicht gepostet.
„Der Marianengraben enthüllt: Enthüllung der schrecklichen verborgenen Wahrheiten des Abgrunds“
Einleitung: Willkommen, mutige Leser, zu einer Reise, die uns in die dunkelsten Tiefen unseres Planeten führt. In diesem Blog tauchen wir in die rätselhafte Welt des Marianengrabens ein, decken seine verborgenen Geheimnisse auf und decken die gruseligen Wahrheiten auf, die unter seiner Oberfläche liegen.
Related posts
Keine Passwörter mehr – wie Passkeys Ihr Passwort ersetzen
Um Unklarheiten zu vermeiden, werden die folgenden Begriffe verwendet: Authentifikator; Das Mobiltelefon, das für die Anmeldung verwendet wird. Website; Die Website oder Anwendung, die der Benutzer verwendet, um den Anmeldeanforderungsdienst zu stellen; Der Anbieter, der die jeweilige Dienstleistung bereitstellt, z
Finanzierung der CO2-Entfernung im Geschäftsjahr 24
Die Aufschlüsselung der Mittelanträge von Carbon180 nach Pfaden
Von Alyson Lee, geschäftsführende Beraterin für Regierungsangelegenheiten Der jährliche Bewilligungsprozess der Bundesregierung ist von zentraler Bedeutung für unsere Bemühungen zur Finanzierung der Kohlendioxidentfernung (CDR). Jedes Jahr reicht Carbon180 Anfragen an verschiedene Kongressbüros ein, um zu bestimmen, wohin die Dollars im nächsten Jahr fließen werden.
Gefährliche Gespräche
Wenn wir auf diesem Planeten weiterhin erfolgreich sein wollen, müssen wir gefährliche Gespräche führen. Diejenigen, die das in Frage stellen, was wir getan haben, was wir tun und was wir derzeit weiterhin tun werden (oder planen).