吳恩達機器學習筆記（二）

標籤： 機器學習

一.邏輯迴歸（logistic regression）

1.邏輯函式&&S型函式(logistic function and sigmoid function)

線性迴歸的假設表示式不試用於僅有0,1兩種結果的分類表達，將表示式簡單修改為邏輯函式也叫S型函式如下：

該函式的函式影象如下

在預測時輸入x變數所得的g(z)即結果為1的概率值

2.決策邊界（decision boundary）

3.代價函式(cost function)

分類問題的代價函式與迴歸問題的代價函式有一定的區別如下：

4.代價函式的簡化(Simplified Cost Function)

Cost(hθ(x),y)可以寫作：

將其表達為矢量表達為：

5.梯度下降(Gradient Descent)

將其代價函式應用到梯度下降演算法中為：