1.3.2 二分類模型

深度學習中的二分類原理與機器學習中的邏輯回歸算法原理相同，均是對特征進行線性計算之后，使用sigmoid 函數對所得的結果進行概率轉換，sigmoid 函數的輸出結果用于最終二分類結果的判斷。二分類模型原理圖如圖1.9所示。

其中，x（x₁、x₂）為輸入的特征，以上模型的數學表達式如下所示。

式中，表示sigmoid函數的輸出結果，即樣本正類別的預測概率。

二分類模型的損失函數可以使用二分類交叉熵，其表達式如下所示。

式中，y_i表示樣本的真實標簽，即正類別標簽（使用1表達）和負類別標簽（使用0表達）。

二分類模型可以使用TensorFlow實現，代碼如下所示。

運行代碼，結果如下所示。

二分類模型也可以使用PyTorch實現，代碼如下所示。

運行代碼，結果如下所示。