如何使用sigmoid进行二分类代码示例

以下是一个使用sigmoid进行二分类的Python代码示例：

import numpy as np

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# 训练数据
X_train = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y_train = np.array([0, 1, 1, 0])

# 初始化权重和偏置
w = np.random.rand(2)
b = np.random.rand()

# 学习率
lr = 0.1

# 迭代训练
for i in range(1000):
    # 前向传播
    z = np.dot(X_train, w) + b
    y_pred = sigmoid(z)

    # 计算损失
    loss = np.mean(-y_train * np.log(y_pred) - (1 - y_train) * np.log(1 - y_pred))

    # 反向传播
    dw = np.dot(X_train.T, (y_pred - y_train)) / len(X_train)
    db = np.mean(y_pred - y_train)

    # 更新权重和偏置
    w -= lr * dw
    b -= lr * db

    # 打印损失
    if i % 100 == 0:
        print("Epoch %d, Loss: %.4f" % (i, loss))

# 预测
y_pred = sigmoid(np.dot(X_train, w) + b)
y_pred = np.round(y_pred)
print("Predictions:", y_pred)

在这个例子中，我们使用sigmoid函数作为激活函数来实现二分类。我们使用4个训练样本(XOR问题)，并使用随机初始化的权重和偏置进行训练。经过1000次迭代后，我们得到了比较好的分类结果。