损失函数 总损失定义为： yi为第i个训练样本的真实值 h(xi)为第i个训练样本特征值组合预测函数 又称最小二乘法 正规方程 理解：X为特征值矩阵，y为目标值矩阵。直接求到最好的结果 缺点：当特征过多过复杂时，求解速度太慢并且得不到 ...

什么是损失函数 损失函数（Loss Function）也称代价函数（Cost Function)，用来度量预测值与实际值之间的差异 公式： 其中E即使损失函数，y表示真实值，y'表示预测值，损失函数即使预测值与实际值之间的差 损失函数的作用 度量决策函数内f(x)和实际值 ...

先来回顾一下梯度下降法的参数更新公式： （其中，α是学习速率，是梯度） 这个公式是怎么来的呢？下面进行推导： 首先，如果一个函数 n 阶可导，那么我们可以用多项式仿造一个相似的函数，这就是泰勒展开式。其在a点处的表达式如下： 可以看出，随着式子的展开，这个展 ...

的病人，你只能知道他3个月后到底是病危或者存活。所以线性回归并不适用这种场景。 logistic函数 ...

最近学习Logistic回归算法，在网上看了许多博文，笔者觉得这篇文章http://blog.kamidox.com/logistic-regression.html写得最好。但其中有个关键问题没有讲清楚：为什么选择-log(h(x))作为成本函数(也叫损失函数)。 和线性回归算法相比，逻辑回归 ...

前言 在上一篇随笔里，我们讲了Logistic回归cost函数的推导过程。接下来的算法求解使用如下的cost函数形式： 简单回顾一下几个变量的含义： 表1 cost函数解释 x(i) 每个样本数据点在某一个特征上的值，即特征向量x的某个值 ...

就越好。 我们训练模型的过程，就是通过不断的迭代计算，使用梯度下降的优化算法，使得损失函数越来越小。损失 ...

一、线性模型预测一个样本的损失量 损失量：模型对样本的预测结果和该样本对应的实际结果的差距； 　1）为什么会想到用 y = -log(x) 函数? （该函数称为 惩罚函数：预测结果与实际值的偏差越大，惩罚越大） y = 1（p ≥ 0.5）时 ...