![](https://cdn-ak-scissors.b.st-hatena.com/image/square/20c30352e757ebf72f2b17d85a0b51b1fec02be5/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JUUzJTgzJUFEJUUzJTgyJUI4JUUzJTgyJUI5JUUzJTgzJTg2JUUzJTgyJUEzJUUzJTgzJTgzJUUzJTgyJUFGJUU1JTlCJTlFJUU1JUI4JUIwJUUzJTgxJUFFJUU1JUJFJUE5JUU3JUJGJTkyJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWNsaXA9ZWxsaXBzaXMmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1hZWRjZjMwYjZlNmRmNTNkMDQxMmY1ZjA5MjRkZDYzZQ%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTcxNiZ0eHQ9JTQwa2VudG8xMTA5JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzImdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0wMzY5OTYyMTUzNzNkMGE1YzhjOTAxZTFkNjJiYzAyYQ%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D9b42bf8bebc8fd5db6c6a0fccc0b94e2)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
ロジスティック回帰の復習 - Qiita
はじめに ロジスティック回帰は分類問題で初めに勉強する手法です。 その導出方法や実装例はググればた... はじめに ロジスティック回帰は分類問題で初めに勉強する手法です。 その導出方法や実装例はググればたくさん見つかります。 僕も最適化の方法を教科書で勉強し、scikit-learnで動かしてみて分かった気になっていました。 しかし、実データに適用してみて、最適化の数式や動かし方は勉強したけれど、実際にどのようにパラメータが更新されるかよく分かっていなかったと気付きました。 なので、今回は「どのようにパラメータが更新されるか」について復習します。 (ほとんど自分用のメモです。。) 誤差関数 今回は簡単のため、二値分類問題を想定します。 二値分類の誤差関数は以下の「交差エントロピー型誤差関数」で表せます。 \log L = -\sum_{i=1}^N \left(y^{(i)}\log f_\theta(x^{(i)})+(1-y^{(i)})\log(1-f_\theta(x^{(i)}))\