Logistic回归: tensorflow中的偏差和成本函数
Logistic回归: tensorflow中的偏差和成本函数
提问于 2017-02-24 21:29:43
吴恩达所说的讲座
log -1/m * J= (y*log(h(X))+(1-y)log(1-h(X)
但在https://www.tensorflow.org/get_started/mnist/beginners中，他们说：
他们为什么要用这个公式？
回答 1
Stack Overflow用户
发布于 2017-02-24 21:54:04
这就是二元vs分类方法。Andrew Ng成本函数是二进制交叉点(或称对数损失)，而tensorflow教程中使用的是分类交叉点。他们使用one-hot向量编码来跨多个类别使用此功能。因此，即使对于两个类别，你也会有一个类似这样的标签: 0，1。
在二进制情况下，0是假情况的标签。这在只有1重要的分类情况下是不存在的，因为softmax分类器，在这种情况下，您的所有元素都需要求和为1。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/42439854
复制相关文章
相似问题
腾讯云开发者
