Logistic回归：张量流中的偏差和成本函数

Question

讲座安德鲁·吴已经说过

J = -1 / m * sum（y * log（h（x））+（1-y）log（1-h（x）））

但在https://www.tensorflow.org/get_started/mnist/beginners中他们声明：

为什么他们使用这个公式？

Answer 1

这是二元与分类方法。 Andrew Ng成本函数是二进制交叉熵（或logloss），而tensorflow教程中使用的是分类交叉熵。他们使用单热矢量编码来跨多个类别使用它。因此，即使对于两个类别，您也有一个像这样的标签：[0,1]。

在二进制情况下，0是虚假案例的标签。由于softmax分类器，所有元素无论如何需要总和为1，因此在仅有1个重要的分类情况下不存在这种情况。