logistic regression的loss fuction是如何推出来的？

logistic regression的loss fuction L = sum( yi * log(y_hat_i) + (1-yi) * log(1-y_hat_i) )
翻阅了大量文献，也没搞明白，前人，是怎么推导出这个函数的？
如果你知道，请指点。
谢谢！

课本网络都被墙了吗？

这个就是log likelihood吧

这个就是log likelihood吧
Hershel 发表于 2022-10-10 17:01

具体说是 empirically expected log likelihood “empirically expected” 解释了前面为啥要乘一个概率

印象中这样好算，好求导。

logistic regression的loss fuction L = sum( yi * log(y_hat_i) + (1-yi) * log(1-y_hat_i) )
翻阅了大量文献，也没搞明白，前人，是怎么推导出这个函数的？
如果你知道，请指点。
谢谢！
microsat 发表于 2022-10-10 16:55

又是这个楼主
又来问一些特别基础的问题
搜一下这个人 会有很多莫名其妙的发帖

based on cross entropy

“ 翻阅了大量文献” 之前楼主还问怎么推自己才一岁多的小孩

这个是教材里面有的
不需要你去翻阅大量文献
如果你教材看不懂就另说

又是这个楼主
又来问一些特别基础的问题
搜一下这个人 会有很多莫名其妙的发帖

Cumberbitch 发表于 2022-10-10 18:04

靠华人念学位的😂

被逼成了怨妇 发表于 2022-10-10 17:53

牛人！

被逼成了怨妇 发表于 2022-10-10 17:53

这个手写体好好看

你是不是想问为什么logistic regression的classifier是linear function？