网站备案怎么在工信部信息核验网站开发案例及分析

        之前文章中提到监督学习的应用可分为两类：线性回归和逻辑回归。和线性回归不同，逻辑回归输出只有0和1。对于一个逻辑回归任务，可以先使用线性回归来预测y。然而我们希望逻辑回归预测模型输出的是0和1，为了达到这个目的，我们使用sigmoid()来把线性回归预测的输出y映射到0和1之间。

sigmoid公式为:

 公式中的z表示的是线性回归模型中输出的结果y。m个training data的情况下，y是一个含m个value的向量。

sigmoid公式代码实现很简单：

def sigmoid(z):"""Compute the sigmoid of zArgs:z (ndarray): A scalar, numpy array of any size.Returns:g (ndarray): sigmoid(z), with the same shape as z"""g = 1/(1+np.exp(-z))return g

用图形表示sigmod的输出样子是:可以看到输出区间始终在0到1之间，输入z越大，越趋近于1，反之趋近于0

逻辑回归的公式与线性回归类似：