Mã hóa hồi quy logistic bằng Python

Trong blog này, bạn sẽ học cách viết mã hồi quy logistic từ đầu trong python.

Trước khi đi vào mã, chúng ta hãy hiểu toán học đằng sau hồi quy logistic và đào tạo mô hình bằng cách sử dụng gradient descent .

Hồi quy logistic:

Tên của thuật toán này là hồi quy logistic vì hàm logistic mà chúng ta sử dụng trong thuật toán này. Trong trường hợp này, chúng tôi kết hợp tuyến tính các đầu vào (X) và trọng số / hệ số để đưa ra đầu ra (y).

Đầu ra của mô hình này được chia tỷ lệ từ 0 đến 1, đóng vai trò là xác suất của điểm dữ liệu thuộc một lớp cụ thể. Chúng tôi sử dụng hàm sigmoid để đạt được mục tiêu này.

Chào! Chờ đợi .

Lấy từ Tenor

Chỉ cần làm theo các bước sau và bạn sẽ tìm hiểu cách hoạt động của nó.

Trước hết, tất cả các yếu tố đầu vào được nhân với trọng số tương ứng của chúng và được cộng lại và chúng tôi gọi đây là tổng có trọng số .

Tính tích số chấm của trọng lượng và đầu vào

Sử dụng Sigmoid để chia tỷ lệ giá trị từ 0 đến 1.

3. Sau đó, chúng tôi tính toán tổn thất bằng cách sử dụng hàm tổn thất sau.

Trọng số / hệ số là một vectơ chiều mà chúng ta phải học bằng cách sử dụng gradient descent. Bây giờ chúng ta sẽ xem làm thế nào để học các trọng lượng đó.

Xuống dốc:

Gradient descent là kỹ thuật tối ưu hóa, trong đó chúng tôi sử dụng gradient của hàm giảm để cập nhật trọng số của chúng tôi. Bây giờ chúng ta sẽ xem cách cập nhật trọng số bằng cách sử dụng này.

Cho tôi xem mã:

Tôi đã triển khai lớp hồi quy logistic. Bộ luật này không có quy định được thực hiện.

Thực hiện hồi quy logistic.

Mã để vẽ đồ thị để dễ hình dung.

Hãy vẽ một số đồ thị để hình dung cách mô hình học.

Kỷ nguyên 1

Epoch 2

Epoch 5

Epoch 10

Đây là tất cả cho bây giờ. Nếu bạn có bất kỳ câu hỏi nào sau đó, hãy viết trong phần bình luận.

Nếu bạn là người mới bắt đầu và muốn biết hiệu chuẩn là gì thì hãy xem qua blog này .

Hiệu chỉnh trong Học máy

Vụ sát hại Jordan Neely và vấn đề phân biệt chủng tộc “yêu nước”

Hoa Kỳ có thể thực hiện một bước thiết yếu là không đánh đồng hành vi phân biệt chủng tộc với việc trở thành một người Mỹ tốt không?

[Cảnh báo kích hoạt: Bài tiểu luận này bao gồm các bức ảnh chụp màn hình những người ca ngợi kẻ giết Jordan Neely.] Các quan chức thực thi pháp luật cuối cùng - và có lẽ miễn cưỡng - đã buộc tội Daniel Penny, kẻ đã bóp cổ Jordan Neely cho đến chết, vì tội giết người đó.

Tìm kiếm thông tin về tên miền

Đoạn trích từ Small, Sharp Software Tools của Brian P. Hogan

Khi bạn gửi yêu cầu tới facebook.com, máy tính của bạn sẽ tra cứu tên miền để dịch tên miền đó thành địa chỉ IP để máy tính của bạn có thể thực hiện kết nối đó.

Sự xói mòn chậm: Hé lộ những cách mọi người lãng phí trong sự nghiệp của họ

Trong thế giới có nhịp độ nhanh và cạnh tranh ngày nay, sự nghiệp của một người đóng một vai trò quan trọng trong sự phát triển cá nhân, ổn định tài chính và sự hài lòng trong cuộc sống nói chung. Tuy nhiên, nhiều cá nhân thấy mình bị mắc kẹt trong một chu kỳ trì trệ và không hài lòng không ngừng, dần dần lãng phí trong cuộc sống nghề nghiệp của họ.

Cuộc đàn áp các Kitô hữu: Tội ác thù hận mà chúng ta không nói đến

Quên bài Hồi giáo đi: Cơ đốc nhân (và người Do Thái) là nạn nhân chính của tội ác căm thù tôn giáo.

Bất kỳ lý trí nào cũng biết rằng giới chính trị và truyền thông bị chi phối bởi cánh tả, thậm chí là cực tả, một tình trạng tạo ra sự mất cân bằng trong diễn ngôn chính trị. Trong lĩnh vực tôn giáo, sự mất cân bằng này có thể thấy rõ ràng: các tờ báo và mạng lưới cánh tả không vội vàng bảo vệ đức tin Cơ đốc.

Tài trợ cho việc loại bỏ carbon trong năm tài chính 24

Phân tích các yêu cầu phân bổ của Carbon180 trên các lộ trình

Bởi Alyson Lee, cố vấn quản lý các vấn đề của chính phủ Quy trình phân bổ ngân sách hàng năm của chính phủ liên bang là trọng tâm trong những nỗ lực của chúng tôi nhằm tài trợ cho việc loại bỏ carbon dioxide (CDR). Mỗi năm, Carbon180 gửi yêu cầu tới các văn phòng quốc hội khác nhau để giúp hướng dẫn nơi đô la của năm tới sẽ chảy.