为了得到离散的0或1分类,我们可以将假设函数的输出翻译如下:

 

 

我们的逻辑函数g的行为方式是,当它的输入大于或等于零时,它的输出大于或等于0.5:

 

 

记得.

 

 

所以如果我们输入g是θTX,那就意味着:

 

 

从这些陈述我们可以说:

 

 

决策边界是分隔y=0和y=1的区域的直线。它是由我们的假设函数创建的。
例子:

 

在这种情况下,我们的决策边界是一个垂直的竖线,放在图为X1=5的位置上,左边的所有东西都表示y=1,而右边的每一个都表示y=0。

 

再次,输入Sigmoid函数g(z)(如θTX)不需要线性的,可以是一个函数,描述了一个圈(例如z = θ1*x12 +θ2x22)或任何形状,以适合我们的数。

 

posted on 2017-07-23 16:53  郑哲  阅读(581)  评论(0编辑  收藏  举报