機器學習第二題之分類

一、單變量分類：

1、激活函數

利用激活函數實現分類。

2、代價函數

理解：y是真實值，而h(x)是預測值，所以，如果預測值等於真實值，那麼損失就是0，而如果預測是1，真實是0，那麼就證明預測及其不準確，所以損失就變成無窮大。

 

 

3、損失函數的梯度下降：

二、代碼實現

準備：

 

 

決策邊界

二、多變分類

 

其他差不多，多了以下幾個步驟：

1、特徵映射

def feature_mapping(x1, x2, power):
   data = {}
   for i in np.arange(power + 1):
      for j in np.arange(i + 1):
         data['F{}{}'.format(i - j, j)] = np.power(x1, i - j) * np.power(x2, j)
   return pd.DataFrame(data)

2、損失函數：

 

3、梯度下降