考虑以下几点:Sigmoid总是返回1?
def sigmoid(inSig):
return 1.0/(1.0+np.exp(-inSig))
def classifyVector(inX, weights):
prob = sigmoid(sum(inX*weights))
if prob > 0.5: return 1.0
else: return 0.0
我的理解是乙状结肠结果范围从0到1。根据此信息(http://clear-lines.com/blog/post/Logistic-Regression.aspx):
“正值将返回一个值大于0.5 ,输入值越大,越接近1.可以认为函数返回概率:对于x的非常高或低的值,有很高的确定性,它属于两组中的一组,并且对于值接近零,每组的概率是50%/ 50%。“
但是,如果Sigmoid(0),sigmoid似乎只产生0.5(即,零分类)。除非inX或权重为零(或零向量),否则classifyVector总是返回1?
例如,请考虑以下数据:
trainset = np.array([[1,1,1],[2,2,2],[3,3,3],[4,4,4]])
trainlbl = np.array([1,12,11,40])
这里,INX将永远是零。如果算出数学,权重也不会为零。那么,乙状结肠怎么能提供一个公平的分析呢?
可能取代l中的1。 2用1.0吗?据我记得Python,这可能会改变整个类型的devision。 [这是神经网络吗?] – Unknown
param为什么叫inSig和var inX? – Unknown
我编辑它。这是为了逻辑回归。 – swabygw