Logistic Regression 逻辑回归
可复习 · 待写自己的解释我卡在哪里
还没有记录。看视频或读重点时哪里不懂，就把原话记到这里，并注明是哪段视频的几分几秒。
我用自己的话解释
- 逻辑回归的分数是怎么一步步算出来的？
- 为什么说“标签说什么，模型就学什么”？
- 逻辑回归和 Activation 那一章的神经元是什么关系？
自动保存在当前浏览器，不跨设备同步。
写完再展开：参考解释
- 把投诉里出现的每个词的权重乘以出现次数，加起来，再加上基础值，最后用 sigmoid 压进 0–1 之间。
- 训练的唯一目标是让分数贴近标签。标签说什么，模型就往哪个方向调。
- 逻辑回归就是一个用 sigmoid 的神经元。神经网络是把很多个这样的神经元一层层叠起来。
来源
- 学习材料：StatQuest《StatQuest: Logistic Regression》。
- 词的权重是人工设定的教学数值，与 AI Product Design Lab 仓库自学材料里的手算例子相同；分数有测试保证（
lib/ml-basics.test.ts）。