Các lượt nộp
    Danh sách bài
    Trang chủ
    Báo lỗi

    solution

    Đề bài: [Data Science] Logistic regression N bước GD

    Hồi quy logistic: p=σ(Xw)p=\sigma(Xw)p=σ(Xw) với σ(z)=11+e−z\sigma(z)=\dfrac{1}{1+e^{-z}}σ(z)=1+e−z1​ và XXX đã thêm cột bias 1. Gradient của log-loss: ∇=1nX⊤(p−y)\nabla=\dfrac1n X^\top(p-y)∇=n1​X⊤(p−y). Thực hiện đúng steps bước:

    w←w−η ∇w\leftarrow w-\eta\,\nablaw←w−η∇

    với learning rate η\etaη và www khởi tạo cho trước. In vector www cuối (bias trước).

    • Định dạng đầu vào:

      Dòng đầu: nnn mmm. Dòng 2: steps η\etaη. Tiếp theo nnn dòng (mmm đặc trưng + nhãn 0/1). Dòng cuối: m+1m+1m+1 số khởi tạo www.

    • Ràng buộc đầu vào:

      1≤n≤2001 \le n \le 2001≤n≤200; 1≤m≤51 \le m \le 51≤m≤5; 0≤steps≤10000 \le steps \le 10000≤steps≤1000; 0<η≤10 < \eta \le 10<η≤1.

    • Định dạng đầu ra:

      Một dòng m+1m+1m+1 số thực www (2 chữ số thập phân).

    Ví dụ:

    Đầu vào:

    2 1
1 0.1
0 0
1 1
0 0

    Đầu ra:

    0.00 0.03

    Giải thích:

    X=[[1,0],[1,1]], y=[0,1], w=[0,0]. z=[0,0], p=[0.5,0.5]. grad=(1/2)·Xᵀ·([0.5,0.5]-[0,1])=(1/2)Xᵀ[0.5,-0.5]=(1/2)[0,-0.5]=[0,-0.25]. w=−0.1·[0,-0.25]=[0.00,0.03] (làm tròn 0.025→0.03... thực 0.025→0.03? in {:.2f}=0.03? 0.025 round→0.03)

    Đang tải editor...