Пример логистической регрессии Theano

Question

Я пытаюсь понять какой -то простой случай нейронной сети, используя Theano. Сайт Deeplearning.net дает следующий простой код для реализации приложения логистической регрессии для простого случая:

import numpy
import theano
import theano.tensor as T
rng = numpy.random

N = 400
feats = 784
D = (rng.randn(N, feats), rng.randint(size=N, low=0, high=2))
training_steps = 10000

# Declare Theano symbolic variables
x = T.matrix("x")
y = T.vector("y")
w = theano.shared(rng.randn(feats), name="w")
b = theano.shared(0., name="b")
print("Initial model:")
print(w.get_value())
print(b.get_value())

# Construct Theano expression graph
p_1 = 1 / (1 + T.exp(-T.dot(x, w) - b))   # Probability that target = 1
prediction = p_1 > 0.5                    # The prediction thresholded
xent = -y * T.log(p_1) - (1-y) * T.log(1-p_1) # Cross-entropy loss function
cost = xent.mean() + 0.01 * (w ** 2).sum()# The cost to minimize
gw, gb = T.grad(cost, [w, b])             # Compute the gradient of the cost
                                          # (we shall return to this in a
                                          # following section of this tutorial)

# Compile
train = theano.function(
          inputs=[x,y],
          outputs=[prediction, xent],
          updates=((w, w - 0.1 * gw), (b, b - 0.1 * gb)))
predict = theano.function(inputs=[x], outputs=prediction)

# Train
for i in range(training_steps):
    pred, err = train(D[0], D[1])

print("Final model:")
print(w.get_value())
print(b.get_value())
print("target values for D:")
print(D[1])
print("prediction on D:")
print(predict(D[0]))

Я понимаю, что большая часть этого, P_1 - это функция логистической регрессии, прогноз заключается в том, будет ли значение в классе 0 или 1 класс, Xent является функцией потери, то есть насколько далеко от правильного предсказания. Я не понимаю следующую строку, стоимость. Разве стоимость не должна быть равной Xent, т. Е. Потеря? Какова функция стоимости, представляющая здесь? Кроме того, почему смещение изначально устанавливается на 0, а не случайное число, как веса?

Answer 1

Я не понимаю следующую строку, стоимость. Разве стоимость не должна быть равной Xent, т. Е. Потеря? Какова функция стоимости, представляющая здесь?

Стоимость - ошибка (xent.mean ()) + некоторая регуляризация (0,01 * (w ** 2) .sum ())

Почему смещение изначально устанавливается на 0, а не случайное число, как веса?

Возможно и общепринято инициализации смещений, чтобы быть нулевым, поскольку разрыв асимметрии обеспечивается небольшими случайными числами в весах.

Более подробная информация здесь.