• AI-逻辑回归函数、激活函数、损失函数


    最近开始学习人工智能,先从基本的概念学起

    逻辑回归函数(预测函数):z = dot(w,x) + b

      解释:假设有三个特征,即x可以表示为(x1,x2,x3),w表示权重,对应每个特征的重要程度,b表示阈值,z是预测值,展开公式,即z=(x1*w1+x2*w2+x3*w3)+b

    激活函数:f(z)=(1+ez-1 用于使预测值z在[0-1]区间上,曲线图如下

        

    损失函数:判断自己是否预测的正确,单个训练样本的损失函数如下:

      

      即整个训练集的损失函数可以得出以下公式,可以成为成本函数:

    结果越大,说明成本越大,预测越不准确。要想预测准确,必须使得成本函数尽量小,而影响成本函数的参数中,只有w、b两个变量,所以最终目的是求得合适的w和b,怎么求,就是神经网络学习的过程,待续。。。

  • 相关阅读:
    Action返回类型
    低成本FPGA中实现动态相位调整
    SERDES高速系统(二)
    SERDES高速系统(一)
    Avalon总线概述
    FPGA热设计
    功耗的挑战
    特性阻抗介绍
    低阻抗电源分配系统
    非理想回路信号衰减
  • 原文地址:https://www.cnblogs.com/beautifullife4e/p/10254009.html
Copyright © 2020-2023  润新知