Мы не можем вычислить стоимость логистической регрессии, используя ту же формулу для линейной регрессии.
Мы использовали эту формулу для расчета стоимости линейной функции до сих пор. В случае логистической регрессии ее нельзя использовать, потому что гипотеза для логистической функции не является линейной (нелинейной). Это довольно сложно, как показано ниже. Это сигмовидная функция.
Это приведет к так называемой «невыпуклой» функции стоимости. Этот график будет иметь много локальных оптимумов и не может скоро сходиться.
То, что мы предпочтительно ищем, - это выпуклый график функции стоимости, который выглядит как показано ниже.
Этот тип функции может, по крайней мере, гарантировать, что наша функция стоимости рано или поздно достигнет глобального минимума, что мы и ищем.
Приведенное ниже уравнение представляет собой функцию затрат для логистической регрессии на примере обучения, который имеет два выхода.
