逻辑回归(2)模型定义 #逻辑回归

再回顾一下所谓的logistic reaction，它其实是比较简单的，可以用这个图来看一下。上一次也说过，它其实也是今天要讲的神经网络里面的所谓的神经元。它是做了一个什么事情？左边是一个数目，在这里数目是一个项链，它是有i的特征的项链。

首先通过一种方式，就是一个很简单的函数，这个函数就是linear model，在讲线性回归的时候用到的模型，linear model，然后把x项量转换成z这样的实数值。转换的方式是非常直观的，每一个特征给它成一个权重，然后加合起来再加上一个八元，得到最终的z，这是z是一个实数。

在预测任务里边其实就可以用z作为预测值，去训练模型，来找到一组最佳的参数就好了。在分类二分类任务里面需要把z去转换成一个概率值，也就是零到一之间的概率值。在这里用的函数就是所谓的非线性变换，它是叫做sigmal function，有时候叫做logistic function。

这个函数讲这个样子是一加一的负z方分之一，z等于零的时候是一加一分之一，就是零点五。z去污球大的时候，e的负z方的极限就是零，它是一。z区域负无穷大的时候，它的极限是一的负z方就是正无穷，分之一就是零，所以它是零到一之间的输出函数，所以可以作为输出所谓的概率值。

在神经网络中其实最基本的神经网络里边就是有很多的所谓的神经元，就是它是老机器reaction的一种优化，后边具体会看到细节，就是它可以有许多的神经元，然后来去实现更复杂的能力，就让它的能力更强，解决更复杂的任务。但是是这样。