समस्या
लॉजिस्टिक रिग्रेशन हाँ/ना वाले सवालों के लिए एक लीनियर मॉडल है। हर सैंपल के लिए यह एक प्रायिकता निकालता है और उसे क्लास में बदलता है:
- z = x₁×w₁ + … + xₙ×wₙ + bias
- p = 1 / (1 + e^(-z))
- अगर p ≥ threshold तो क्लास = 1, नहीं तो 0
logistic_predict(samples, weights, bias, threshold) लागू करें।
इनपुट
samples: हर सैंपल के लिए n फ़ीचर की एक पंक्ति।
weights: n वेट।
bias: बायस।
threshold: क्लास 1 का अनुमान लगाने के लिए ज़रूरी प्रायिकता (0 और 1 के बीच, सिरों को छोड़कर)।
आउटपुट
हर सैंपल की अनुमानित क्लास (0 या 1) क्रम से लौटाएँ।
सीमाएँ
1 ≤ सैंपल ≤ 1,000, 1 ≤ n ≤ 50
-100 ≤ हर फ़ीचर, वेट और बायस ≤ 100
0 < threshold < 1
उदाहरण
इनपुट:
bias = -1.0
samples = [
[2.0, 1.0],
[0.0, 0.0],
[-1.0, -3.0]
]
weights = [1.5, -0.5]
threshold = 0.5
अपेक्षित आउटपुट:
expected = [1, 0, 0]इनपुट:
double bias = -1.0;
std::vector<std::vector<double>> samples = {
{2.0, 1.0},
{0.0, 0.0},
{-1.0, -3.0}
};
std::vector<double> weights = {1.5, -0.5};
double threshold = 0.5;
अपेक्षित आउटपुट:
std::vector<long long> expected = {1, 0, 0};इनपुट:
double bias = -1.0;
double[][] samples = new double[][] {
new double[] {2.0, 1.0},
new double[] {0.0, 0.0},
new double[] {-1.0, -3.0}
};
double[] weights = new double[] {1.5, -0.5};
double threshold = 0.5;
अपेक्षित आउटपुट:
long[] expected = new long[] {1, 0, 0};व्याख्या
सैंपल 1: z = 3 - 0.5 - 1 = 1.5, p ≈ 0.818 → 1। सैंपल 2: z = -1, p ≈ 0.269 → 0। सैंपल 3: z = -1.5 + 1.5 - 1 = -1, p ≈ 0.269 → 0। परिणाम: [1, 0, 0]।
इनपुट:
bias = -2.0
samples = [
[1.0],
[2.0],
[3.0]
]
weights = [1.0]
threshold = 0.7
अपेक्षित आउटपुट:
expected = [0, 0, 1]इनपुट:
double bias = -2.0;
std::vector<std::vector<double>> samples = {
{1.0},
{2.0},
{3.0}
};
std::vector<double> weights = {1.0};
double threshold = 0.7;
अपेक्षित आउटपुट:
std::vector<long long> expected = {0, 0, 1};इनपुट:
double bias = -2.0;
double[][] samples = new double[][] {
new double[] {1.0},
new double[] {2.0},
new double[] {3.0}
};
double[] weights = new double[] {1.0};
double threshold = 0.7;
अपेक्षित आउटपुट:
long[] expected = new long[] {0, 0, 1};व्याख्या
प्रायिकताएँ σ(-1) ≈ 0.269, σ(0) = 0.5 और σ(1) ≈ 0.731 हैं। केवल आखिरी 0.7 के थ्रेशोल्ड तक पहुँचती है, इसलिए परिणाम [0, 0, 1] है।
संदर्भ
यह चुनौती CodeUtility के लिए अनुकूलित की गई है। ऊपर दिए गए स्टेटमेंट और सीमाओं का पालन करें।