每天五分钟深度学习:逻辑回归算法的单样本的梯度下降计算

本文重点

上节课我们已经知道了如何利用计算图通过链式法则来求解输出J对变量的梯度或者导数。本节课程我们将通过逻辑回归这一个具体的例子,来演示如何使用计算图完成逻辑回归的梯度下降算法。

逻辑回归

逻辑回归算法的目标函数,损失函数,代价函数,以及参数更新的方式如图所示。

具体实例

假设样本只有两个特征x1和x2,为了计算,我们需要输入参数w1、w2 和b,因此的计算公式为:

计算图如下所示:

我们用da表示dL/da,它的值为

我们用dz表示dL/dz=(dL/da)*(da/dz),它的值为

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-06-07 09:12:05       94 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-06-07 09:12:05       100 阅读
  3. 在Django里面运行非项目文件

    2024-06-07 09:12:05       82 阅读
  4. Python语言-面向对象

    2024-06-07 09:12:05       91 阅读

热门阅读

  1. C++ 用数组模拟队列

    2024-06-07 09:12:05       28 阅读
  2. 2269. 找到一个数字的 K 美丽值

    2024-06-07 09:12:05       26 阅读
  3. 数分—AB测试

    2024-06-07 09:12:05       33 阅读
  4. opencv--3d数据拟合平面并对倾斜平面矫正

    2024-06-07 09:12:05       28 阅读
  5. jmeter基础入门练习题

    2024-06-07 09:12:05       27 阅读
  6. 求最小公倍数

    2024-06-07 09:12:05       33 阅读