machine-learning - 神经网络、线性和逻辑回归
问题描述
逻辑和线性回归是神经网络的特例吗?
请指出我是否可以认为这个陈述是正确的。
解决方案
神经网络可以配置为执行逻辑回归或线性回归。
在任何一种情况下,神经网络都只有一个可训练层(输出层),而该层只有一个神经元(执行W * x + b
仿射计算和激活的算子)。它们的激活功能不同。
对于逻辑回归,在输出层有一个 sigmoid 激活函数,产生一个 [0.0, 1.0] 范围内的浮点数。您可以通过对该值应用 0.5 的阈值来做出二元决策。
对于线性回归,输出层通常没有激活函数,因此您会得到一个无界浮点数。
通常,您可以将隐藏层添加到您的神经网络中(以增加非线性和更多的学习能力)并且仍然执行二进制分类和回归,只要输出层激活配置如上所述。
推荐阅读
- angular - ngModel 在 Angular 英雄之旅教程中是如何工作的?
- javascript - 如何将切换按钮集成到 Bootstrap 3.3.7?
- python - 如何读取存储在文本文件中的字符串的值,然后转换为整数,并对值进行数学运算?
- node.js - 如何制作 Nodejs 可分发的命令行应用程序
- excel - 查找单元格内容并替换第二个匹配项
- c# - 从存储过程读取 C# XML 输出从 TEMP 表 SQL Server 返回 null
- prolog - 如何反转列表并将所有指定值替换为其他值?
- python - Python - 除非指定,否则使用 pytest 跳过测试
- django - 是否可以在 Django 中将第二个 slug 添加到 URL 路径?
- spring - 将对象发送到服务时出现 java.lang.NullPointerException