美文网首页
基于Logistic回归的神经网络

基于Logistic回归的神经网络

作者: xiongsirui | 来源:发表于2018-01-31 01:26 被阅读15次

    一、
    初始化参数w, b
    二、向前递推:
    z = np.dot(w.T,X)+b
    A = sigmoid(z) ——Logistic回归
    cost = -1/m * np.sum(np.dot(Y,np.log(A).T)+np.dot((1-Y),np.log(1-A).T))

    向后递推:
    dw = 1/m * (np.dot(X,(A-Y).T))
    db = 1/m * np.sum((A-Y),axis=1,keepdims=True)

    三、优化
    用梯度下降
    w = w - learning_rate * dw
    b = b - learning_rate * b
    不断的调整w, b
    得到损失函数

    四、预测
    z = np.dot(w.T,X)+b
    A = sigmoid(z)
    判断概率大于还是小于0.5;
    大于为1, 小于为0

    相关文章

      网友评论

          本文标题:基于Logistic回归的神经网络

          本文链接:https://www.haomeiwen.com/subject/upnhzxtx.html