神经网络,线性和逻辑回归。

Logistic和线性回归是神经网络的特例吗 ?

请说明我是否可以认为这个说法是正确的。

解决方案:

神经网络可以被配置为执行逻辑回归或线性回归。

在这两种情况下,神经网络恰好有一个可训练层(输出层),并且该层恰好有一个神经元(执行的运算符)。W * x + b affine计算和激活)。) 它们的激活函数不同。

对于逻辑回归,在输出层有一个sigmoid激活函数,产生一个范围为[0.0,1.0]的浮点数。你可以通过对该值应用0.5的阈值来进行二元决策。

对于线性回归,通常在输出层没有激活函数,所以你会得到一个无约束的浮点数。

一般来说,你可以在神经网络中增加隐藏层(以增加非线性和更多的学习能力),只要输出层激活按上面写的配置,仍然可以进行二进制分类和回归。

给TA打赏
共{{data.count}}人
人已打赏
解决方案

连续2次非阻挡性任务

2022-5-14 11:00:14

解决方案

TypeScript中的泛型的深层条件类型。

2022-5-14 11:00:16

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索