۸ کیو· خیلی سادهمبتدیPYTHON۴ ثانیه · ۲۵۶ مگابایت

احتمال در مدل لجستیک

تابع logistic_prob(X, beta) ماتریس ویژگی‌ها $X$ (شکل $n \times p$ ، بدون ستون یک) و ضرایب beta = [b0, b1, ..., bp] را می‌گیرد و برای هر سطر، احتمال کلاس ۱ را در مدل لجستیک برمی‌گرداند:

p(x) = \frac{e^{\beta_0 + \beta_1 x_1 + \cdots + \beta_p x_p}}{1 + e^{\beta_0 + \beta_1 x_1 + \cdots + \beta_p x_p}} = \frac{1}{1 + e^{-(\beta_0 + \beta^\top x)}}

خروجی آرایه‌ای به طول $n$ است.

python

logistic_prob(np.array([[0], [2]]), np.array([-2, 1]))   # → [0.1192, 0.5]

نمونه‌ها

ورودی نمونه ۱

[[[0], [2]], [-2, 1]]

خروجی نمونه ۱

[0.1192, 0.5]

ورودی نمونه ۲

[[[1500], [2000], [1000]], [-10.6513, 0.0055]]

خروجی نمونه ۲

[0.0831, 0.5863, 0.0058]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود