遠端機器學習／生成式AI實習第10天。 第9天畫了一條線。 一條線可以是200，也可以是−40。 但一個類別不行。 我觀看了Big Brains的邏輯回歸一次性教學。 我記下的重點： 工作是二元的：是或否，0或1。 垃圾郵件或正常郵件。詐騙或非詐騙。買或不買。 與直線相同的第一步：z = w·x + b。 然後是Sigmoid函數： σ(z) = 1 / (1 + e^(−z)) 這種壓縮將答案限制在0和1之間。 一個閾值（通常為0.5）將機率轉換為類別。 均方誤差（MSE）是針對數值的評分標準。 交叉熵是針對類別的評分標準。 梯度下降仍會調整權重。 第5至7天是規則。 第9天是第一個模型。 第10天是第一個分類器。 我仍有的疑問：如果詐騙只佔100筆中的1筆，0.5是否仍是公平的閾值？