【九月打卡】第二天 单、多层感知机

学习课程：玩转机器学习之神经网络，系统入门算法工程师

章节名称：第2章 入门必修：单、多层感知机

讲师：Markov_Xi

课程内容：

逻辑回归

在对线性回归模型的预测结果取对数几率来让其的结果无限逼近0和1。因此，其对应的模型被称为”对数几率回归“（logistic Regression），也就是逻辑回归，这个名为“回归”却是用来做分类工作的分类器。

Sigmoid函数的公式和性质

Sigmoid函数是一个S型的函数，当自变量z趋近正无穷时，因变量g(z)趋近于1，而当z趋近负无穷时，g(z)趋近

于0，它能够将任何实数映射到(0,1)区间，使其可用于将任意值函数转换为更适合二分类的函数。

因为这个性质，Sigmoid函数也被当作是归一化的一种方法，与MinMaxSclaer原理一致，是属于

数据预处理中的“缩放”功能，可以将数据压缩到[0,1]之内。区别在于，MinMaxScaler归一化之后，是可以取

到0和1的（最大值归一化后就是1，最小值归一化后就是0），但Sigmoid函数只是无限趋近于0和1。

损失函数

衡量参数的优劣的评估指标，用来求解最优参数的工具

损失函数小，模型在训练集上表现优异，拟合充分，参数优秀

损失函数大，模型在训练集上表现差劲，拟合不足，参数糟糕

我们追求，能够让损失函数最小化的参数组合

注意：没有”求解参数“需求的模型没有损失函数，比如KNN，决策树

单层/多层感知机

学习收获：

1、对逻辑回归有了进一步认识

2、对单层、多层感知机及深度学习的关系加深了理解

3、对深度学习的流程有全貌的概览

4、对pytorch实现以及数学公式像代码转换有了一定的训练

5、对深度学习工程项目结构有了新的认知

打卡截图：