Questions tagged «logistic-regression»

从Udacity的深度学习类中，y_i的softmax只是指数除以整个Y向量的指数和： 其中S(y_i)，y_i和的softmax函数e是指数，并且j是否。输入向量Y中的列数。 我尝试了以下方法： import numpy as np def softmax(x): """Compute softmax values for each sets of scores in x.""" e_x = np.exp(x - np.max(x)) return e_x / e_x.sum() scores = [3.0, 1.0, 0.2] print(softmax(scores)) 返回： [ 0.8360188 0.11314284 0.05083836] 但是建议的解决方案是： def softmax(x): """Compute softmax values for each sets of scores …

245 python  numpy  machine-learning  logistic-regression  softmax 

分类问题（例如逻辑回归或多项式逻辑回归）可优化交叉熵损失。通常，交叉熵层跟随softmax层，从而产生概率分布。 在张量流中，至少有十二种不同的交叉熵损失函数： tf.losses.softmax_cross_entropy tf.losses.sparse_softmax_cross_entropy tf.losses.sigmoid_cross_entropy tf.contrib.losses.softmax_cross_entropy tf.contrib.losses.sigmoid_cross_entropy tf.nn.softmax_cross_entropy_with_logits tf.nn.sigmoid_cross_entropy_with_logits ... 哪一个仅适用于二进制分类，哪些适合于多类问题？什么时候应该sigmoid代替使用softmax？如何在sparse功能与别人不同，为什么仅是它softmax？ 相关（更多面向数学的讨论）：Keras和TensorFlow中所有这些交叉熵损失之间有什么区别？。

83 python  tensorflow  neural-network  logistic-regression  cross-entropy 

我正在使用sklearn的逻辑回归函数，想知道每个求解器在后台为解决优化问题实际上在做什么。 有人可以简要描述“ newton-cg”，“ sag”，“ lbfgs”和“ liblinear”在做什么吗？

76 python  python-3.x  scikit-learn  logistic-regression 

我想知道如何在中指定默认起始值glm。 这篇文章建议将默认值设置为零。这个人说背后有一个算法，但是相关的链接坏了。 我试图用算法跟踪拟合简单的逻辑回归模型： set.seed(123) x <- rnorm(100) p <- 1/(1 + exp(-x)) y <- rbinom(100, size = 1, prob = p) # to see parameter estimates in each step trace(glm.fit, quote(print(coefold)), at = list(c(22, 4, 8, 4, 19, 3))) 首先，不指定初始值： glm(y ~ x, family = "binomial") Tracing glm.fit(x = structure(c(1, …

10 r  logistic-regression  glm