在上一篇中提到的Logistic回归是利用最大似然概率的思想和梯度上升算法确定θ,从而确定f(θ)。本篇将介绍另一种求解最大似然概率ℓ(θ)的方法,即牛顿迭代法。
在牛顿迭代法中,假设一个函数是,求解θ值使得f(θ)=0。在图1中可知,
图1
选择一个点,对应函数值为
,并将对应的切线与x轴相交的点记为
,所以
,依此类推可知牛顿迭代规律。
为了求得最大似然概率ℓ(θ),让,所以牛顿迭代方法确定最大似然概率的公式为:
在Logistic回归中,θ是一个向量。因此公式可表示为:
H是一个n*n的矩阵,被俗称为Hessian。