Table of contents
Open Table of contents
1. Linear Regression
Tìm một hàm linear xấp xỉ với dữ liệu đầu vào, có dạng:
Để có thể kiếm tra có fit với dữ liệu đầu vào hay chưa thì sử dụng hàm loss Gradient Descent.
Các bước cài đặt:
1.2. Cài đặt qua python
Chi tiết về cài đặt hàm loss: tạo một epoch_loss array và ứng với mỗi sample sẽ append vào epoch_loss. Rồi sau đó tính giá trị trung bình để thêm vào array loss tổng mỗi epoch.
1.3. Vấn đề
Khi gặp training set như sau, để giải quyết bài toán classification thì hàm linear không thật sự hiệu quả.
| Hours | Pass |
|---|---|
| 0.5 | 0 |
| 1.0 | 0 |
| 1.5 | 0 |
| 2.0 | 0 |
| 2.5 | 1 |
| 3.0 | 1 |
| 3.5 | 1 |
| 4.0 | 1 |
Cách giải quyết là sử dụng một hàm khác -> hàm sigmoid
2. Logistic Regression
Nhờ hình dạng như thế của sigmoid function giúp tối ưu tốt hơn ứng với giá trị của y là hoặc
Các bước tính toán:
Áp dụng vào bài toán classification hoặc prediction thì, nếu tính toán được là 0.499 hoặc 0.501 thì sao?
Cài đặt hyperparameter threshold để đưa ra phán đoán.