关于机器学习:吴恩达机器学习逻辑回归与Sigmoid函数04

1.Sigmoid or Logistic Function

咱们能够通过应用线性回归模型,𝑓𝐰,𝑏(𝐱(𝑖))=𝐰⋅𝐱(𝑖)+𝑏,预测𝑦𝑥。然而，咱们心愿咱们的分类模型的预测在0到1之间，因为咱们的输入变量𝑦不是0就是1。这能够通过应用“sigmoid函数”来实现，该函数将所有输出值映射到0到1之间的值。正如在讲座视频中探讨的，对于分类工作，咱们能够从应用咱们的线性回归模型sigmoid或Logistic函数开始

2.Formula for Sigmoid function

Sigmoid型函数的公式如下-

在逻辑回归中，z (Sigmoid函数的输出)是线性回归模型的输入。
·Sigmoid函数的公式在单个例子中，𝑧是标量。
·在有多个示例的状况下，𝑧可能是由𝑚值组成的向量，每个示例一个值。
·sigmoid函数的实现应该涵盖这两种潜在的输出格局。让咱们用Python实现它。在逻辑回归的状况下，z (sigmoid函数的输出)是线性回归模型的输入。

3.Logistic Regression

逻辑回归模型对咱们相熟的线性回归模型利用s型曲线，如下图所示:

下图为运行Sigmoid函数，执行逻辑回归失去的图像