Dans ce blog, vous apprendrez à coder la régression logistique à partir de zéro en python.
Avant d'entrer dans le code, comprenons les mathématiques derrière la régression logistique et entraînons le modèle à l'aide de la descente de gradient .
Le nom de cet algorithme est régression logistique en raison de la fonction logistique que nous utilisons dans cet algorithme. En cela, nous combinons linéairement les entrées (X) et les poids/coefficients pour donner la sortie (y).
La sortie de ce modèle est mise à l'échelle entre 0 et 1, ce qui agit comme la probabilité que le point de données appartienne à une classe particulière. Nous utilisons la fonction sigmoïde pour atteindre cet objectif.
Suivez simplement les étapes suivantes et vous apprendrez comment cela fonctionne.
3. Ensuite, nous calculons la perte en utilisant la fonction de perte suivante .
Les poids/coefficients sont un vecteur dimensionnel que nous devons apprendre en utilisant la descente de gradient. Nous allons maintenant voir comment apprendre ces poids.
Descente graduelle:
La descente de gradient est la technique d'optimisation dans laquelle nous utilisons le gradient de la fonction de perte pour mettre à jour nos poids. Nous allons maintenant voir comment mettre à jour les poids à l'aide de ceci.
J'ai implémenté la classe de régression logistique. Ce code n'a pas de régularisation implémentée.
Traçons quelques graphiques pour visualiser comment le modèle apprend.
C'est tout pour l'instant. Si vous avez des questions, écrivez dans les commentaires.
Si vous êtes débutant et que vous vouliez savoir ce qu'est le calibrage alors passez par ce blog .
Étalonnage dans l'apprentissage automatique
Il était minuit passé lorsque Hayden a ramené Katie à son dortoir universitaire après leur soirée ensemble. Elle avait un cours tôt le matin et n'avait plus de vêtements de rechange après être restée avec lui la nuit précédente.
Salut les cyber-amateurs ! Bienvenue à nouveau dans la série OSINT pour la chasse aux menaces. Dans le premier article, je vous ai donné un aperçu d'OSINT et de son importance dans la chasse aux menaces.
Combien de fois avez-vous jeté une bouteille en plastique, un bocal en verre, une canette en aluminium ou un paquet d'énergie verte sans réfléchir à deux fois ? Combien de fois avez-vous souhaité pouvoir obtenir quelque chose en échange de leur recyclage ? Si vous êtes comme la plupart des gens, la réponse est probablement plusieurs fois. Le recyclage est souvent perçu comme un tracas, une corvée ou un devoir qui n'apporte aucun bénéfice immédiat ou tangible.
Vous pouvez être un enquêteur OSINT, un joueur CTF ou simplement quelqu'un qui reçoit des appels de spam. Quelqu'un qui essaie de vérifier le numéro que vous avez vu dans une publicité.
Dans le monde rapide et compétitif d'aujourd'hui, la carrière d'une personne joue un rôle important dans la croissance personnelle, la stabilité financière et la satisfaction globale de la vie. Cependant, de nombreuses personnes se retrouvent prises dans un cycle incessant de stagnation et d'insatisfaction, dépérissant progressivement dans leur vie professionnelle.
Hier, nous avons fermé la porte du concours Eurovision de la chanson de cette année avec une grande finale scintillante et chaotique où la chanteuse suédoise Loreen a remporté le trophée, devenant la première femme à gagner deux fois et ramenant la couronne à la Suède 50 ans après qu'ABBA a remporté le concours. avec "Waterloo". Ils sont devenus l'un des plus grands groupes du canon de la musique pop.