基于ROS的智能汽車設(shè)計與實訓(xùn)教程ML-CZ-chapter2-2_第1頁
基于ROS的智能汽車設(shè)計與實訓(xùn)教程ML-CZ-chapter2-2_第2頁
基于ROS的智能汽車設(shè)計與實訓(xùn)教程ML-CZ-chapter2-2_第3頁
基于ROS的智能汽車設(shè)計與實訓(xùn)教程ML-CZ-chapter2-2_第4頁
基于ROS的智能汽車設(shè)計與實訓(xùn)教程ML-CZ-chapter2-2_第5頁
已閱讀5頁，還剩15頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

第2章監(jiān)督學(xué)習(xí)第2章監(jiān)督學(xué)習(xí)

2

在日常生活中有哪些分類的例子？第2章監(jiān)督學(xué)習(xí)

3

如何進行分類？即如何根據(jù)輸入特征來預(yù)測類別標(biāo)注？2.2邏輯回歸【實驗2-8】使用線性回歸對百分制成績進行二分類，評估訓(xùn)練數(shù)據(jù)集上分類的準(zhǔn)確程度。提示：對“binary_grade_dataset.ipynb”數(shù)據(jù)集進行分類（dataset=1）可進行特征縮放，例如標(biāo)準(zhǔn)化，以加速訓(xùn)練判決門限取0.5

4

2.2邏輯回歸

5

訓(xùn)練數(shù)據(jù)集12.2邏輯回歸【實驗2-8】使用線性回歸對百分制成績進行二分類，評估訓(xùn)練數(shù)據(jù)集上分類的準(zhǔn)確程度。提示：對“binary_grade_dataset.ipynb”數(shù)據(jù)集進行分類（dataset=2）

6

2.2邏輯回歸

7

訓(xùn)練數(shù)據(jù)集22.2邏輯回歸

8

為什么線性回歸模型在訓(xùn)練數(shù)據(jù)集2上出現(xiàn)了分類錯誤？2.2邏輯回歸

9

兩端“折彎”了的擬合曲線2.2邏輯回歸

10

Sigmoid函數(shù)曲線2.2邏輯回歸

11

用Python畫出sigmoid函數(shù)的曲線。2.2邏輯回歸

12

Sigmoid函數(shù)的平移與縮放2.2邏輯回歸【實驗2-9】用酒駕檢測數(shù)據(jù)集訓(xùn)練使用均方誤差代價函數(shù)的邏輯回歸模型，并評估其分類的準(zhǔn)確程度。修改權(quán)重的初始值（例如10）、修改迭代次數(shù)（例如30000）提示：可做特征縮放，例如做標(biāo)準(zhǔn)化在劃分訓(xùn)練數(shù)據(jù)集與測試數(shù)據(jù)集之前，應(yīng)對數(shù)據(jù)集中的樣本隨機排序可將數(shù)據(jù)集中的250個樣本用于訓(xùn)練，其余134個樣本用于測試數(shù)據(jù)集矩陣的前5列為輸入特征，最后1列為標(biāo)注阿達馬積可直接用“*”（乘號）實現(xiàn)可用np.exp()函數(shù)計算自然指數(shù)

13

2.2邏輯回歸

14

權(quán)重初始值為0權(quán)重初始值為102.2邏輯回歸

15

為什么即便我們使用批梯度下降法，均方誤差代價函數(shù)的值也不再平穩(wěn)收斂？2.2邏輯回歸

16

實驗2-9中均方誤差代價函數(shù)的值（d=1時）2.2邏輯回歸

17

如何改進上式？

2.2

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論