## 机器学习-逻辑回归 黄海广 副教授 2022年02月 ## 本章目录 01 分类问题 02 Sigmoid函数 03 逻辑回归求解 04 逻辑回归代码实现 ### 1. 分类问题 01 分类问题 02 Sigmoid函数 03 逻辑回归求解 04 逻辑回归代码实现 ## 分类问题 ## 监督学习的最主要类型 ## ✓ 分类（Classification） (One-vs-Rest) 一对多 (一对余) ### 2. Sigmoid函数 01 分类问题 02 Sigmoid函数 03 逻辑回归求解 04 逻辑回归代码实现 ### 2. Sigmoid函数 ## Sigmoid 函数 $ \sigma(z) $ 代表一个常用的逻辑函数（logistic function）为S形函数（Sigmoid function） 则： $ \sigma(z)= \sigma(z)=g(z)=\frac{1}{1+e^{-z}}\quad z=w^{\mathrm{T}}x+b $ 合起来，我们得到逻辑回归模型的假设函数： $$ \mathrm{L}\big(\hat{y},y\big)=-y\log(\hat{y})-(1-y)\log(1-\hat{y}\big) $$ ![Image](/uploads/documents/2/e/3/d/2e3d4480f

## 实现PostgreSQL逻辑复制实战 王青松 神州飞象(北京)数据科技有限公司 ## 简介 PG WAL Other DB 逻辑复制的功能是从PG的WAL日志中，读取数据库更新信息，然后“翻译”（Decode）成逻辑的形式，可发送到远程从库做数据同步。 ## 为什么要选择逻辑复制？  ## 逻辑复制架构图 逻辑解码 产生SQL+数据 MQ消息队列 DB重放语句 Master LOGICAL SQL语句 数据  ## 逻辑复制特点  它兼顾有基于触发器复制技术的灵活性 同时又有基于日志复制技术的高效性 它使用发布/订阅模型对选择性的数据复制相对物理复制来说是非常方便 ## 特性 logical 逻辑解码 复制槽位技术 自定义输出插件

## 机器学习-第二章 回归 黄海广 副教授 2022年09月 ## 本章目录 01 线性回归 02 梯度下降 03 正则化 04 回归的评价指标 ### 1. 线性回归 01 线性回归 02 梯度下降 03 正则化 04 回归的评价指标 ## 回归的概念 ## 监督学习分为回归和分类 ✓ 回归（Regression、Prediction） ✓ 如何预测上海浦东的房价？ ## 线性回归-概念 ## 线性回归（Linear Regression） 是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或者一个平面或者更高维的超平面，使得预测值与真实值之间的误差最小化。  ## 线性回归-符号约定 118\end{bmatrix}\quad y^{(2)}=37000 $ $ x_{j}^{(i)} $ 代表特征矩阵中第i行的第j个特征 上图的 $ x_{2}^{(2)}=31,x_{3}^{(2)}=8 $ ## 线性回归-算法流程 x 和 y 的关系 $$ \begin{array}{c}h(x)=w_{0}+w_{1}x_{1}+w_{2}x_{2}+\\ \cdots+w_{n}x_{n}\end{array}

## 用状态机封装领域逻辑 潘加宇 DDCHINA CONTENTS 01 状态机的作用 02 状态机要点和建模思路 03 状态机的实现 ## 危险！ 小孩耍大枪 ## 危险！ ➢ Research? Re-Search? ➢ 连Re-Search都没有，随意发明新词 ➢ Subdomain? 主题图。 SECOND EDITION OBJECT-ORIENTED ANALYSIS 学校里经常教的 ## 作用 |图形|视角|映射到实现| |---|---|---| |类图|全局、静态|类的签名| |序列图|局部（用例）、动态|类之间的协作| |状态机图|类、动态|所有的逻辑| ## 三 个不同的图 ## 0 答对问题有奖金 金额从2.56元到20.48元 请扫我微信以便当场转账 加微信时烦告知尊姓大名 ## 作用 ➢都以为自己在做正常的事情， 系统却出问题了 条件语句？泛化？不重要了 对象  状态保护 逻辑内移 ## 作用 专家原则、可视原则 减少get/set Open 接口变简单 Close Close Open Open Withdraw[banlance

0 码力 | 30 页 | 1.75 MB | 2 年前

3

## 深度学习-神经网络的编程基础 黄海广 副教授 2023年03月 ## 本章目录 01 二分类与逻辑回归 02 梯度下降 03 计算图 04 向量化 ### 1. 二分类与逻辑回归 ## 01 二分类与逻辑回归 02 梯度下降 03 计算图 04 向量化 ## 符号定义 }] $ ：对应表示所有训练数据集的输出值，维度为 $ 1 \times m $ 。 ## 逻辑回归 ## Logistic Regression 经典的分类算法,简单、有效, 目前用到最多的机器学习分类算法之一。 $ \sigma(z) $ 代表一个常用的逻辑函数（logistic function） 为S形函数（Sigmoid function） $$ z=w^{T}x+b\\ z=w^{T}x+b\\ 则:\sigma(z)=\frac{1}{1+e^{-z}} $$ 合起来，我们得到逻辑回归模型的假设函数： $$ L\big(\hat{y},y\big)=-y\log(\hat{y})-(1-y)\log(1-\hat{y}\big) $$ ![Image](/uploads/documents/4/0/4/6/4046f21cefea4d55fb350249dbd14da4/p5_1