机器学习入门学习笔记:(2.3)对数几率回归推导
来源:互联网 发布:前端软件开发工程师 编辑:程序博客网 时间:2024/04/28 05:03
理论推导
在以前的博客(机器学习入门学习笔记:(2.1)线性回归理论推导 )中推导了单元线性回归和多元线性回归的模型。
将线性回归模型简写为:
对数线性回归模型可以写成:
更一般地,考虑单调可微函数
对于二分类任务,输出标记为
所以要用到单位阶越函数:
即,若预测值大于0,就判为正例;若预测值小于0,就判为负例;临界值处,任意判别。
我们都知道,阶跃函数不可导,不连续,而
我们常用对数几率函数(logistic function)来进行替代:
画出图形会看到它形似S,所以也是一种sigmoid函数。
把对数几率函数作为
做一些化简,可以得到:
其中,y是正例的可能性,(1-y)是负例的可能性。
那么,这个
好的,那么问题来了。如何求解出这个模型中的未知参数
只考虑二分类的情况下,将y换成后验概率
则有:
解得:
通过极大似然法来估计
为表述方便,使用一个新矩阵
同时也要给x矩阵补上一列1,令
那么,
由于是二分类,即只有
”西瓜书“上是这么写的,当然这样也不难理解。其实为了后面推导方便和容易理解,我们可以换成对数几率的形式来表示,原理依然是一样的,无非是加了个对数:
将上式代入到前面极大似然的公式中:
联立前面推出的后验概率的结果:
得到最后的结果:
由于是极大似然,我们需要求出其极大值,所以有:
求出使
最后可以通过凸优化中的梯度下降法、牛顿法等方法来求出
以上仅是个人学习笔记分享用,也留作我自己以后温习。
(>.<)
阅读全文
1 0
- 机器学习入门学习笔记:(2.3)对数几率回归推导
- 对数几率回归-机器学习
- [小白式机器学习(一)] logistic regression(LR)对数几率回归 / 逻辑回归 公式推导
- [小白式机器学习(一)] logistic regression(LR)对数几率回归 / 逻辑回归 公式推导
- 机器学习笔记(七)线性回归与对数几率回归
- 学习笔记TF009:对数几率回归
- 机器学习笔记(VII)线性模型(III)对数几率回归和极大似然估计
- Tensorflow实战学习(九)【对数几率回归】
- 机器学习教程 之 线性模型:线性回归、对数几率回归、线性判别分析
- 机器学习入门学习笔记:(2.1)线性回归理论推导
- logistic regression(LR)对数几率回归 / 逻辑回归 公式推导
- 【meachine learning】对数几率(logistic)回归
- 对数几率回归Logistic Regression(Matlab)
- 对数几率回归(Logistic Regression)总结
- 对数几率回归Logistic Regression(Matlab)
- 【线性模型】对数几率回归(LR)
- 对数几率回归
- 对数几率回归
- [FAQ13817]【Application Signature 】如何在L上use release key?
- java.lang.NoSuchMethodError: javax.persistence.Table.indexes()
- RBAC权限设计
- 第五周项目1--- 建立顺序栈算法库
- VS2015“检测到在集成的托管管道模式下不适用的 ASP.NET 设置”的最终解决办法
- 机器学习入门学习笔记:(2.3)对数几率回归推导
- 微信小程序开发(踩坑篇)
- 面试_技术问题_java面试宝典2017版
- combox控件学习
- 13.Java对象
- 手把手教你如何创建vue脚手架项目(最详细!)
- 关于TypeError: Cannot read property '0' of undefined
- android导出vCard联系人流程
- Spring Boot(二)——MyBatis