机器学习中的逻辑回归
来源:互联网 发布:python 最优化算法包 编辑:程序博客网 时间:2024/05/21 08:45
本文参考了Bin的专栏和李航《统计学习方法》。
线性回归因为它的简单,易用,且可以求出闭合解,被广泛地运用在各种机器学习应用中。事实上,除了单独使用,线性回归也是很多其他算法的组成部分。线性回归的缺点也是很明显的,因为线性回归是输入到输出的线性变换,拟合能力有限;另外,线性回归的目标值是(−∞,+∞),而有的时候,目标值的范围是[0,1](可以表示概率值),那么就不方便了。
逻辑回归定义
典型的逻辑回归是一种二分类模型,由条件概率
有一个样本输入
把权值向量
也就是说,如果有一个对输入
参数估计
给定训练集
- 设:
hw(x)=P(Y=1|x),1−hw(x)=P(Y=0|x) - 似然函数:
∏i=1N[hw(xi)]yi[1−hw(xi)]1−yi - 两边取对数,对数似然函数:
L(w)=∑i=1N[yiloghw(xi)+(1−yi)log(1−hw(xi))]=∑i=1N[yi(wTxi)−log(1+exp(wTxi))] - 对
L(w) 求极大值,可以转化为求−L(w) 的极小值,同时为了防止数值本身过大,用平均形式:.w∗=argminw[−1NL(w)] - 也就是说,这个
−1NL(w) 就是我们要优化的损失函数,记作Loss(w) 。如何优化呢?可以采用标准的梯度下降法:∇Loss(w)=∂Loss∂w=1N∑Ni=1(hw(xi)−yi)xi w=w−α∇Loss(w)
- 通过梯度下降我们可以求出
w , 最后学到的模型是, 给定输入P(Y=1|x)=11+exp(−wTx) x , 即可求出x 属于类别1的概率,大于0.5就认为属于类别1.
0 0
- 机器学习中的逻辑回归
- 机器学习中的Logistics逻辑回归分析
- 机器学习中的逻辑回归模型简介
- 机器学习-逻辑回归
- 机器学习:逻辑回归
- 机器学习---逻辑回归
- 【机器学习】逻辑回归
- 机器学习----逻辑回归
- 机器学习 逻辑回归
- 机器学习:逻辑回归
- 机器学习--逻辑回归
- 机器学习-逻辑回归
- 机器学习-- 逻辑回归
- 机器学习-逻辑回归
- 机器学习-逻辑回归
- 【机器学习】--逻辑回归
- 机器学习:如何理解机器学习中的逻辑回归
- 【机器学习笔记】逻辑回归
- LeetCode 142: Linked List Cycle II 输出链表中环的起点
- 文章标题
- Merge Two Sorted Lists
- IDLE快捷键以及技巧
- python3.x和2.x区别
- 机器学习中的逻辑回归
- BZOJ1787: [Ahoi2008]Meet 紧急集合&1832: [AHOI2008]聚会
- Java学习笔记(六)--继承 final关键字 多态 抽象类 接口
- JavaScript初级玩法(2)—输出九九乘法表
- C语言基础 单链表(上)
- LeetCode : Valid Parentheses
- DeepID人脸识别算法之三代
- 杨辉三角
- 程序员面试经典--汉诺塔