知识卡片
二次特征与非线性
对原始特征 x 加入平方和交互项后,逻辑回归对扩展后的特征仍是线性模型,对原始输入则可形成非线性边界。例如同心圆分类可利用 x₁²+x₂² 作为到原点的距离平方。外积 xxᵀ 含全部 n² 个有序二次项,其中 xᵢxⱼ 与 xⱼxᵢ 重复;也可用 xᵀWx+w·x+b 紧凑表达。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 非全连接神经网络 6.1 带二次项的逻辑回归 · 查看原书依据
添加了二次特征后
参考来源
- 位置:《用Python实现深度学习框架》第6章《非全连接神经网络》,6.1 带二次项的逻辑回归(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_051.html`)
- 结论依据:原文给出二次项外积、紧凑模型及 Reshape、Concat 的局部雅可比。
- 原始内容:添加了二次特征后。