Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
hands-on-ml-zh
提交
f31acdfa
H
hands-on-ml-zh
项目概览
OpenDocCN
/
hands-on-ml-zh
通知
13
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
H
hands-on-ml-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
f31acdfa
编写于
2月 15, 2019
作者:
Q
qiwihui
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
resolve issue #131
上级
e0b27cf9
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
docs/4.训练模型.md
docs/4.训练模型.md
+1
-1
未找到文件。
docs/4.训练模型.md
浏览文件 @
f31acdfa
...
...
@@ -804,7 +804,7 @@ Logistic 回归模型可以直接推广到支持多类别分类,不必组合
现在你可以计算每一类的梯度向量,然后使用梯度下降(或者其他的优化算法)找到使得损失函数达到最小值的参数矩阵 !
[
\Theta
](
../images/tex-b9dce96eb3d5a71b28f9f198c28d2d1b.gif
)
。
让我们使用 Softmax 回归对三种鸢尾花进行分类。当你使用
`LogisticRregression`
对模型进行训练时,Scikit Learn 默认使用的是一对多模型,但是你可以设置
`multi_class`
参数为“multinomial”来把它改变为 Softmax 回归。你还必须指定一个支持 Softmax 回归的求解器,例如“lbfgs”求解器(有关更多详细信息,请参阅 Scikit-Learn 的文档)。其默认使用 !
[
\ell_12
](
../images/tex-
1599eafa9c8919b48a73745c7b9a5fc5
.gif
)
正则化,你可以使用超参数 !
[
C
](
../images/tex-0d61f8370cad1d412f80b84d143e1257.gif
)
控制它。
让我们使用 Softmax 回归对三种鸢尾花进行分类。当你使用
`LogisticRregression`
对模型进行训练时,Scikit Learn 默认使用的是一对多模型,但是你可以设置
`multi_class`
参数为“multinomial”来把它改变为 Softmax 回归。你还必须指定一个支持 Softmax 回归的求解器,例如“lbfgs”求解器(有关更多详细信息,请参阅 Scikit-Learn 的文档)。其默认使用 !
[
\ell_12
](
../images/tex-
f2d02eaf32cb7a351989198531c0d12a
.gif
)
正则化,你可以使用超参数 !
[
C
](
../images/tex-0d61f8370cad1d412f80b84d143e1257.gif
)
控制它。
```
python
X
=
iris
[
"data"
][:,
(
2
,
3
)]
# petal length, petal width
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录