Als «logistic-regression» getaggte Fragen

Aus der Deep-Learning-Klasse der Udacity ist der Softmax von y_i einfach das Exponential geteilt durch die Summe der Exponentiale des gesamten Y-Vektors: Wo S(y_i)ist die Softmax-Funktion von y_iund eist die Exponentialfunktion und jist die Nr. von Spalten im Eingabevektor Y. Ich habe folgendes versucht: import numpy as np def softmax(x): …

245 python  numpy  machine-learning  logistic-regression  softmax 

Klassifizierungsprobleme wie die logistische Regression oder die multinomiale logistische Regression optimieren einen entropieübergreifenden Verlust. Normalerweise folgt die Kreuzentropieschicht der Softmax- Schicht, die eine Wahrscheinlichkeitsverteilung erzeugt. Im Tensorflow gibt es mindestens ein Dutzend verschiedener Kreuzentropieverlustfunktionen : 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 ... Welches funktioniert nur für die binäre Klassifizierung …

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

Ich frage mich, wie die Standardstartwerte in angegeben werden glm. Dieser Beitrag schlägt vor, dass Standardwerte als Nullen festgelegt werden. Das man sagt , dass es ein Algorithmus dahinter jedoch relevante Verbindung unterbrochen wird. Ich habe versucht, ein einfaches logistisches Regressionsmodell mit einem Algorithmus-Trace zu versehen: set.seed(123) x <- rnorm(100) …

10 r  logistic-regression  glm