输入x (nx,m)
输出y （1,m）
参数w m维 参数b 一维
损失函数 定义为误差平方的话 容易变成非凸问题
损失函数定义在单个样本上的表现 Loss Function
成本函数 Cost Function 衡量在全体样本上的表现 J 一般可以理解为所有样本的损失函数和，是这一组参数的总成本
学习率是梯度下降时的变化率：
在每次迭代中
输入x (nx,m)
输出y （1,m）
参数w m维 参数b 一维
损失函数 定义为误差平方的话 容易变成非凸问题
损失函数定义在单个样本上的表现 Loss Function
成本函数 Cost Function 衡量在全体样本上的表现 J 一般可以理解为所有样本的损失函数和，是这一组参数的总成本
学习率是梯度下降时的变化率：
在每次迭代中
本文标题：深度学习与强化学习（九）二分逻辑回归
本文链接：https://www.haomeiwen.com/subject/xyvnictx.html
网友评论