Logistic回归中Sigmoid曲线的一些错误
模型出错了，请稍后重试~
相关·内容
我试图根据歌曲的持续时间和持久性，对2010年至2019年在Spotify上流行的歌曲进行逻辑回归，这些数据是从一个.csv文件中收集的。基本上，由于每首歌曲的流行度值都是数字，所以我将它们都转换为二进制数"0“到"1”。如果热门歌曲的流行度值小于70，我会将其当前值替换为0，如果流行度值大于70，则替换为0，反之亦然。出于某种原因，由于我的其余代码在创建sigmoid函数时是相当标准的，所以最终结果是一条直线而不是sigm
浏览 2提问于2020-01-02得票数 0
1回答
Sigmoid函数预测的概率值在0 & 1之间。在logistic回归中，将预测概率映射为1或0的公式是什么？
浏览 0提问于2022-01-01得票数 0
回答已采纳
function g = sigmoid(z)
y = data(:, 3);X = [one X1];
ztr = zz';不管我给z什么值，我得到一个1x100的矩阵，1是第一个条目，其余的是0，这应该是如何工作的，这是正确<
浏览 1提问于2017-08-12得票数 0
我们在Logistic回归中有以下方程：我们可以用sigmoid.m把它写成八度，如下所示现在，为了计算costFUnction.m，我们得到的概率如下：从上面的图片来看，应该是：
h = sigmoid(theta'*X);我是ML的新手，所以如果我错过了什么，请原谅我。
浏览 1提问于2018-12-24得票数 1
回答已采纳
2回答
我知道线性回归做“回归”，logistic回归做“分类”。当我们实现这两种方法时，我能注意到的唯一不同是损失函数:线性回归使用均方误差这样的损失函数，logistic使用交叉熵。还有什么我不知道的区别吗？
浏览 0提问于2018-09-14得票数 1
回答已采纳
2回答
我的问题是如何以图形方式重新显示结果？我需要举行，因为我是一个非常新的R绘图。我试过vcd包了。我可以得到其他一些虚拟数据的马赛克图。但我想要绘制clogit模型的结果。
浏览 2提问于2014-01-23得票数 7
1回答
我指的是ROC链接，它解释了如何使用ROCR包绘制曲线和其他相关的精度测量指标。作者在一开始提到了logistic回归，但是这些函数(预测，来自ROCR的性能)是否适用于其他分类算法，如SVM，决策树等？我尝试对我的SVM模型的结果使用预测()函数，但它抛出了一个格式错误，尽管参数的类型和维度都相同。此外，我不确定如果我们尝试为这些算法设计ROC曲线，我们是否会得到像我们通常在逻辑回归中看到的形状(
浏览 0提问于2017-10-27得票数 1
1回答
以下是具有特征(X)的logistic回归成本函数，培训示例(Y)假设函数(圆圈红色)应如何表示？
我试图实现这个函数，但不确定假设应该采用什么值(或函数)？
浏览 2提问于2015-11-11得票数 3
回答已采纳
1回答
感谢大家的支持！我正在尝试拟合一些数据的sigmoid曲线，下面是我的代码 import numpy as npfrom scipy.optimize(x,x0,k): return y
popt,pcov = curve_fit(sigmoid, drag[0].w,，它不是很正确的fitting
浏览 172提问于2019-01-26得票数 3
2回答
根据我所理解的，线性回归可以预测可以具有连续值的结果，而logistic回归预测的结果是离散的。在我看来，logistic回归类似于一个分类问题。所以，为什么叫回归？
还有一个相关的问题：
浏览 9提问于2015-05-28得票数 7
回答已采纳
逻辑乙状结肠功能在logistic回归中的作用是什么？为什么它需要成为假设函数h(x)的一部分？我要了解
浏览 0提问于2018-06-08得票数 1
回答已采纳
在安德鲁·吴在“古瑟拉关于分类”的ML视频中(在第三段视频中)，他说“决策边界不是训练集的属性”。这句话是什么意思？这是否也意味着我们在线性回归中用来拟合数据的直线或任何曲线不是训练集的属性？他声称，这些曲线(通过线性回归实现)并不是相应的训练数据的特性。我对此有点困惑。如果我的疑虑能被消除的话。提前谢谢。
浏览 0提问于2018-04-19得票数 1
回答已采纳
1回答
m,1);X = [one X1];
grad = zeros(size(theta));
grad = (1/m) * sum (sigmoid(X*theta) - y')*X;我想知道我是否正确地实现了代价函数和梯度下降，我得到
浏览 2提问于2017-08-12得票数 3
为什么我们需要一个像LogisticRegression中的bfgs这样的求解器，而不是LinearRegression？我们不是有一个像LinearRegression这样的紧密形式吗？
浏览 0提问于2023-05-28得票数 0
从概念的角度来看，我理解与中华民国曲线有关的权衡。你可以提高真实的积极预测的准确性，但你会出现更多的假阳性，反之亦然。我有一种感觉，这不是那么简单，但如果是的话，你怎么知道要达到哪一个临界点的
浏览 0提问于2022-06-02得票数 2
1回答
神经网络线性与非线性
、、、
我打电话是对的吗？
一个只有输入和输出层(sigmoid)为线性的神经网络(因为它是logistic回归)。一种具有多个隐层的神经网络，非线性(因为权值与隐层的输出相互作用，并且在线性回归中无法像op = w2x1+w2x2+b那样写入输出)？请不要将此标记为重复，因为没有一个问题实际上回答了这里提出的问题。谢谢。
浏览 0提问于2021-06-18得票数 1
回答已采纳
1回答
我已经用pybrain写了一个简单的代码来预测一个简单的序列数据。例如，0,1,2,3,4的序列将从网络得到5的输出。数据集指定剩余的序列。下面是我的代码实现from pybrain.supervised.trainers import BackpropTrainernet, ds)
print trainer.train()
x=n
浏览 3提问于2014-08-22得票数 3
在logistic回归中使用正则化参数C(见)，使函数的拟合得到很好的定义，避免过拟合或step函数的问题(见)。然而，logistic回归中的正则化应该只考虑特征的权重，而不是截距(这里还解释了：)。
但似乎sklearn.linear_model.LogisticRegression实际上也规范了拦截。2)尝试用logistic曲线和人工最大似然函数拟合数据点。将截距包含到L2范数中，得到与sk
浏览 7提问于2017-11-02得票数 4
回答已采纳
我希望在logistic回归中，ROC的最佳截止点是一个数字，而不是两条交叉曲线。使用下面的代码，我可以得到显示最佳点的图，但在某些情况下，我只需要将点作为一个数字，以便用于其他计算。
浏览 0提问于2014-04-17得票数 9
回答已采纳
1回答
我一直试图从我的Logistic回归中得出提升曲线，但似乎不起作用。遵循我一直在尝试的代码training <- Data), data=training, targLevel="Yes",
trueResp=0.01, type="incremental", sub="Tes
浏览 2提问于2018-03-18得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
