Implementieren Sie die univariate logistische Regression mit Tensorflow, d.h. folgendes Modell
Input (Merkmale): $$ \vec x^T = (x_1, x_2, \dots x_n) $$
Output $h$ des Neurons: $$ h = \sigma(\sum_{i=1}^n w_i x_i + b) = \sigma(\vec x^T \cdot \vec w + b) $$
tf.train.GradientDescentOptimizer
. Verwenden Sie die unten gegebenen Trainingsdaten. Zeichen Sie einen Plot des den Fortschittes (Abnahme der Kosten über den Iterationen).Cross entropy plus L2-regularization:
$$ J(\vec w, b) = - \frac{1}{m} \left ( y \log(h_{\vec w, b} (\vec x) + (1-y) \log(1 - h_{\vec w, b} (\vec x) \right) + \lambda \sum_i w_i^2 $$