邏輯回歸

之前寫過邏輯回歸，是sklearn的方法，基本一樣

https://blog.csdn.net/weixin_44510615/article/details/88608831

補充一個概念：
交叉商損失函數(shù)

交叉商是實際輸出概率于期望輸出概率的距離，也就是交叉商的值越小，兩個概率分布就越接近。

假設概率分布p為期望輸出，概率分布q是實際輸出，H（p，q）為交叉商，則：

H(p,q)=?∑p(x)logq(x)

l2是均方差損失函數(shù)

在keras交叉熵中，我們使用binary_crossentropy來計算二元交叉熵

對數(shù)幾率回歸解決的是二分類問題，對于多分類問題我們可以使用softmax分類函數(shù)，它是對數(shù)幾率在N個可能不同的值上的推廣

softmax分類
神經(jīng)網(wǎng)絡的原始輸出不是一個概率值沒實際上知識輸入的數(shù)值做了復雜的加權和與非線性處理智慧的一個值而已，那么如何將這個輸出變?yōu)楦怕史植寄?br> 這就是 softm

總結

以上是生活随笔為你收集整理的keras从入门到放弃(三）逻辑回归 softmax的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。