摘要：
\[ P(p=1|x;\theta) = h_\theta(x) = \frac{exp(\theta^Tx)}{1+exp(\theta^Tx)} \\ P(p=0|x;\theta) = 1 - h_\theta(x) = \frac{1}{1+exp(\theta^Tx)} \] \[ \be 阅读全文
摘要：
https://github.com/writinglite/a_journey_into_math_of_ml/tree/master/01_logistic_regression 阅读全文
摘要：
极大似然估计，通常用于推导损失函数或目标函数，即认为模型使样本似然(简单理解就是概率)值最大的模型就是我们想得到的模型。 如上图为例，X轴是样本值，Y轴是概率即f(x)。这是一个二分类任务，红色点是正例，绿色点是负例。根据最大似然估计，我们想要的模型f(x)应该在在红色点处的值越大越好，在绿色点的值 阅读全文