Lekce 7 - Neuronové sítě – Sigmoid a Gradient descent
V minulé lekci, Neuronové sítě - Příprava na logistickou regresi, jsme si prošli prerekvizity pro logistickou regresi a seznámili jsme se s pravděpodobností neuronových sítí.
V dnešní lekci tutoriálu Neuronové sítě - Pokročilé budeme pokračovat v naší přípravě na logistickou regresi. Probereme si funkci sigmoid a algoritmus Gradient descent.
Sigmoid
Pro funkci sigmoid máme rovnici:
To bude aktivační funkce, stejně jako byla
sign funkce (viz předchozí
kapitoly). Pamatujme si, že pokud chceme do funkce zahrnout vstupní
proměnné a váhy, musíme nejprve použít vážený součin vstupů a teprve
poté sigmoid funkci. Vzorec je:
...konec náhledu článku...
Pokračuj dál
Došel jsi až sem a to je super! Věříme, že ti první lekce ukázaly něco nového a užitečného.
Chceš v kurzu pokračovat? Přejdi do prémiové sekce.
Koupit pouze tento kurz
Získej okamžitý přístup ke kurzu bez
časového omezení.
475 Kč
Před koupí tohoto článku je třeba koupit předchozí díl
Obsah článku spadá pod licenci Premium, koupí článku souhlasíš se smluvními podmínkami.
- Přístup k jednotlivým lekcím dle způsobu pořízení.
- Kvalitní znalosti v oblasti IT.
- Dovednosti, které ti pomohou získat vysněnou a dobře placenou práci.
Popis článku
Požadovaný článek má následující obsah:
Než v tutoriálu Pythonu pro pokročilé přijde na řadu logistická regrese, probereme si nejprve funkci sigmoid a Gradient descent.
Kredity získáš, když podpoříš naši síť. To můžeš udělat buď zasláním symbolické částky na podporu provozu nebo přidáním obsahu na síť.
