添加URL
分享

与其他分类方法相比,逻辑回归对于每一个输出的对象都有一个对应类别的概率。

逻辑回归算法本质上是回归,即是通过一系列特征数据回归出某种情况出现的概率。
在此基础上再引入了逻辑函数,就可以用来分类。

本文主要参考 74行代码实现手写数字识别
但是没有采用Michael Nielsen的 neural-networks-and-deep-learning 代码,而是直接使用scikit-learn的MLPClassifier(Multi-layer Perceptron Classifier, 多层感知机分类器)。
数据来自著名的MNIST数据集。

在机器学习领域,有很多分类算法。而神经网络的优势在于:几乎可以实现任意复杂的分类边界,无误差地实现训练集上的分类 [1]

由于神经网络的拟合能力很强大,常常容易产生过拟合,所以需要进行相应的处理。
而且,神经网络的可解释性往往是个非常大的难题。

众所周知,在windows下面使用有些工具等于自虐,比如python, nodejs, pandoc …
所以,在windows下面,使用markdown写文档变成了一种非常不好的体验。

偏偏有时候又不得不使用windows。比如单位的某上网助手软件,只有windows版本。

幸好有了docker。