逻辑回归原理
来源:互联网 发布:mac sudo chown r 编辑:程序博客网 时间:2024/06/06 09:04
逻辑回归
之前在线性回归的章节中,我们了解了线性回归的原理就是把点落在一条直线上,而在逻辑回归的部分则是希望能够把点落在一条曲线上,这是广义的线性回归,然后我们再用一个阈值来将那些点分开而达到分类的效果。
而在最大熵原理的指导下,我们知道了那条曲线应该是一个什么样子的。
LR和最大熵模型
首先,回顾我们之前推导出的最大熵模型为:
在二分类的逻辑回归模型中,y的取值假定有两种
当
当
综合起来:
具体结合二分类的逻辑回归模型来说,在LR中,条件概率由P(Y|X)表示,X的取值范围是所有实数,而Y的取值范围只有两个,这里为了数学上的计算方便一点,把这两个定位1和0,也就是说在上面的式子中,令
LR和对数几率
我们既然知道了LR的条件概率分布,也就知道了对于一个给定的x,可以求出被分类成1和0的概率值,通过将x分类到概率值比较大的那一类就可以完成对于x的分类过程。
一件事件的几率(odds)是指该事件发生的概率与不发生的概率的比值。也就是说,如果一个事件发生的概率是p,那么不发生的概率自然是1-p,那么它的几率就是
在LR中,如果只关注y=1的概率时,输出y=1的对数几率就是输入x的线性函数:
LR的参数估计
根据上面的推导,可以设:
我们可以用极大似然估计来求解模型的参数
*之前在最大熵模型的章节中就证明过
似然函数为:
对数化后为:
然后用梯度下降或者牛顿法来继续求解。
- 逻辑回归算法原理
- 逻辑回归原理小结
- 逻辑回归原理小结
- 逻辑回归原理
- 逻辑回归原理
- 逻辑回归原理
- 逻辑回归原理
- 【机器学习】逻辑回归原理及其实现
- 逻辑斯蒂回归原理篇
- 决策树 逻辑回归 KNN 的原理
- 【机器学习】逻辑回归原理及其实现
- 机器学习算法--逻辑回归原理介绍
- 逻辑回归原理(python代码实现)
- 逻辑Logistic回归原理和实现
- 逻辑回归原理及推导过程
- 逻辑回归原理介绍及Matlab实现
- 机器学习逻辑回归:原理推导
- 逻辑回归
- Spring Security——基于方法的权限控制
- HDU6166-Senior Pan
- Python中的类
- Java 基础语法
- FZU 2282 Wand(组合)
- 逻辑回归原理
- 这些JavaScript编程黑科技,装逼指南,高逼格代码,让你惊叹不已
- double型数值转换为String型字符
- Angular2 入门详解
- 在一个字符串中找到第一个只出现一次的字符
- js基础
- 让浏览器可以访问我们的socket服务 (http协议入门)
- NekoHTML 学习笔记
- 软件测试类型按开发阶段的划分