1回答
我目前正在coursera上学习Andrew Ng课程，我尝试在数据集上使用我所学到的逻辑回归知识。但是我不能使代价函数减小。可能是我写错了函数，但是我找不到错误import scipy as scfrom sklearn.datasets
浏览 17提问于2019-07-20得票数 0
我是ML的新手，我刚刚学习了线性回归和逻辑回归。我想知道这些成本函数是如何决定的，以及这些函数是如何推导出来的？我们如何知道这些成本函数是否适用于特定的问题？换句话说，我不确定如何证明这些成本函数对于特定问题是准确和合适的。我们有时会在ML中的任何时候想出我们自己的成本函数吗？
浏览 0提问于2017-06-25得票数 1
6回答
在最小二乘模型中，成本函数被定义为预测值与实际值之差的平方，作为输入的函数。当我们进行逻辑回归时，我们将成本函数更改为对数函数，而不是将其定义为sigmoid函数(输出值)与实际输出之间的差值的平方。
是否可以更改和定义我们自己的成本函数来确定参数？
浏览 2提问于2012-08-28得票数 22
回答已采纳
1回答
为什么神经网络不是凸的？
、、、
与线性回归和逻辑回归不同，人工神经网络的成本函数不是凸的，因此容易陷入局部最优。有没有人能提供一种直觉，说明为什么神经网络会出现这种情况，以及为什么不能修改假设来产生凸函数？
浏览 10提问于2017-08-18得票数 2
回答已采纳
1回答
我试图在不使用ML相关库的情况下实现逻辑回归，并且在优化成本函数时遇到了麻烦。这是否意味着我的代码中有一些错误？
或者，0.66可以是成本函数的最小值吗？我如何知道当前的成本函数值是最小的？
浏览 0提问于2020-01-02得票数 1
我正在python中从头开始尝试逻辑回归。(通过寻找概率估计，成本函数，应用梯度下降来增加最大似然).But我对第一次迭代过程应该采用哪些估计感到困惑。我将所有估计都作为0(包括截距)学习。我想知道哪些是在Scikit-learn中进行逻辑回归的初始估计？
浏览 0提问于2016-06-29得票数 0
1回答
我正在尝试用C#编写代码来实现逻辑回归。我找到了一个库(Accord.NET)，我用它来最小化成本函数。然而，我总是得到不同的最小值。因此，我认为我写的成本函数可能出了问题。
浏览 4提问于2014-07-20得票数 1
2回答
逻辑回归成本= nan
、、、、
我正在尝试实现逻辑回归模型，但仍然将'nan‘值作为成本。我用多个数据集尝试了它，但它给出了相同的结果。不同的源给出的梯度下降的实现略有不同，所以我不确定这里的梯度实现是否正确。
浏览 18提问于2020-01-22得票数 0
1回答
成本函数在R中的应用
、、、、
我正处于R中机器学习的初级阶段，我很难相信对于不同类型的回归算法，没有解决成本函数的软件包。例如，如果我想解决逻辑回归的成本函数，手动方法如下：
sigmoid <- function(z)g <- 1/(1+exp(-z))J)initial_theta <- rep(0,ncol(X))
c
浏览 3提问于2017-02-21得票数 4
回答已采纳
3回答
我正在使用批量梯度下降实现逻辑回归。有两类输入样本将被分类。类是1和0。在训练数据时，我使用了以下sigmoid函数：哪里我正在使用以下成本函数来计算成本，以确定何时停止培训。.* log(1-htheta));由于htheta的值在大多数情况下要么为1，要么为零，所以我在每一步的成本都是NaN。我应该做什么来确定每次迭代的成本值？这是logistic<em
浏览 2提问于2016-02-16得票数 17
回答已采纳
2回答
低估和高估的不同成本
、、、、
我有一个回归问题，但成本函数是不同的:低估的成本高于高估的成本。例如，如果预测值<TRUE值，则成本为3*( true -预测)^2；如果预测值>TRUE值，则成本为1*( true -预测)^2。我正在考虑使用经典的回归模型，如线性回归，随机森林等。我应该做哪些修改来调整这个成本函数？
据我所知，诸如scikit-learn之类的ML API不提供直接修改成本
浏览 1提问于2017-06-28得票数 2
1回答
线性回归的正确成本函数是什么？
、、、、
众所周知，线性回归的成本函数是：当我们使用岭回归时，我们只是添加lambda*斜率*2，但是在这里，我总是看到以下是线性回归的成本函数，在这里它是not divided by the number📷
所以，我只想知道什么是正确的成本函数，Ik都是正确的，但是在丁岭或拉索为什么我们忽略了除法部分呢？
浏览 0提问于2021-10-14得票数 1
回答已采纳
1回答
Logistic和线性回归具有不同的成本函数。但我不明白logistic回归中的梯度下降与线性回归是如何一致的。
通过推导平方误差代价函数，得到了梯度下降公式。然而，在Logistic回归中，我们使用了一个对数成本函数。我想我在这里迷路了。
浏览 0提问于2018-01-22得票数 1
回答已采纳
我正在尝试开发代码，以便在逻辑回归中找到成本函数。我想在下面用矢量化实现的forloop实现来回答。 sum_gr = sum(error.
浏览 1提问于2016-09-13得票数 0
回答已采纳
2回答
我想从零开始在python中实现Logisitic回归。其中的职能如下：
我使用了octave，我做得很好，但是不知道如何在python中开始，因为OCtave已经设置了这些包来完成工作。
浏览 6提问于2013-12-02得票数 1
回答已采纳
2回答
截距参数的正则化
、、、、
根据我所读到的线性和Logistic回归的成本函数，正则化参数(λ)被应用于除截距以外的所有项。例如，这里分别是线性回归和logistic回归的成本函数(注意j从1开始)：📷
浏览 0提问于2020-05-04得票数 4
1回答
*log(1 - sh));
我试图计算逻辑回归的成本函数。有人能告诉我为什么这不准确吗？function g = sigmoid(z)
g = 1./(1 + exp(1).^(-z));
end
浏览 0提问于2015-10-08得票数 2
回答已采纳
1回答
sigmoid(X*theta)))));
grad = (1/m) * sum (sigmoid(X*theta) - y')*X;我想知道我是否正确地实现了代价函数和梯度下降
浏览 2提问于2017-08-12得票数 3
2回答
我误解了逻辑回归公式推导中的最小值背后的想法。
这个想法是尽可能地增加假设(即正确的预测概率尽可能接近于1)，这反过来需要尽可能最小化成本函数$J(\θ)$。现在我被告知，为了让这一切都起作用，成本函数必须是凸的。我对凸性的理解要求没有最大值，因此只能有一个最小值，全局最小值。真的是这样吗？如果不是，请解释为什么不是。此外，如果不是这样，那么这意味着在成本函数中存在多个最小值的可能性，这意味着多组参数产生越来越高的概率。这个是可能的吗？或者，我可以确定
浏览 3提问于2016-10-09得票数 5
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
