邏輯回歸分類識別優化研究

摘要：本文通過實現邏輯回歸成本函數模型的建立,運行梯度下降算法優化、更新權重和偏差,使用優化后的邏輯回歸預測待測試圖像在所有圖片中的出現概率。首先加載訓練集、測試集的圖片,對圖片降低維度并轉置,實現前向和后向傳播的成本函數,對邏輯回歸的負對數似然成本進行正則化,使用斷言確保數據的正確性。通過計算當前參數的成本和梯度,運行正則化的梯度下降算法來優化更新權重和偏差的超參數,優化循環的迭代次數更新規則的學習率的超參數,最后分別利用邏輯回歸模型和正則化后的邏輯回歸模型進行預測。實驗證明,上述方法識別測試集圖片中出現的概率準確性提高。