Содержание
- 2. Обзор предыдущей лекции Кривые обучения
- 3. Содержание Нелинейное преобразование(обобщение) Логистическая регрессия
- 4. Нелинейное преобразование
- 5. Цена, которую мы платим за нелинейное преобразование
- 6. Два линейно неразделимых случая
- 7. Первый случай Два способа решения: 1) Использовать линейную модель для Ein>0 2) Положить Ein=0 и использовать
- 8. Второй случай Перейти к преобразованию Или лучше: Или: Или даже:
- 9. Логистическая регрессия 1) Модель 2) Мера ошибки 3) Алгоритм
- 10. Линейные модели
- 11. Логистическая функция «Мягкий порог» Функция θ интерпретируется как вероятность
- 12. Данные (x,y), где y бинарная функция, генерируются «шумной» ЦФ Функция - вероятность Изучаем
- 13. Мера ошибки. Метод максимального правдоподобия Правдоподобие определяется
- 14. Максимизируем правдоподобие Минимизируем «кросс-энтропийная» ошибка
- 15. Как минимизировать Ein? Метод градиентного спуска
- 16. Как выбрать направление
- 17. Какая длина шага?
- 18. Простое применение Вместо Используем С фиксированным η
- 19. Алгоритм логистической регрессии
- 20. Обзор линейных моделей
- 22. Скачать презентацию