本文包含
- 关键计算式:逻辑回归的目标函数
- 模型训练方法:如何逼近最大值
不包含
- 详细的公式推导
- 各种证明
似然函数表示如下,其中y是样本标签,只有0,1两种情况。x表示观测到的样本特征。P是概率函数。在逻辑回归中采用了sigmod函数
似然函数最大值求解
在求解一个函数的最大值很容易想到,导数为0的时候,目标函数最大。可惜,这种方式是行不通的。于是,go on。
逻辑回归采用了梯度下降的方式,不断迭代模型参数,以逼近最优。
在计算梯度之前,首先将目标函数改成对数似然,便于求导。
对数似然
梯度表示如下,是
梯度
模型参数的迭代方式如下,i表示当前训练的轮次,i-1表示上一轮,alpha是学习速率(表示参数迭代的快慢)
参考
https://tech.meituan.com/2015/05/08/intro-to-logistic-regression.html