摘要：本文通過實現(xiàn)邏輯回歸成本函數(shù)模型的建立,運行梯度下降算法優(yōu)化、更新權(quán)重和偏差,使用優(yōu)化后的邏輯回歸預(yù)測待測試圖像在所有圖片中的出現(xiàn)概率。首先加載訓練集、測試集的圖片,對圖片降低維度并轉(zhuǎn)置,實現(xiàn)前向和后向傳播的成本函數(shù),對邏輯回歸的負對數(shù)似然成本進行正則化,使用斷言確保數(shù)據(jù)的正確性。通過計算當前參數(shù)的成本和梯度,運行正則化的梯度下降算法來優(yōu)化更新權(quán)重和偏差的超參數(shù),優(yōu)化循環(huán)的迭代次數(shù)更新規(guī)則的學習率的超參數(shù),最后分別利用邏輯回歸模型和正則化后的邏輯回歸模型進行預(yù)測。實驗證明,上述方法識別測試集圖片中出現(xiàn)的概率準確性提高。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
