Stanford机器学习课程笔记——LR的公式推导和过拟合问题解决方案
1. Logistic Regression
前面说的单变量线性回归模型和多变量线性回归模型,它们都是线性的回归模型。实际上,很多应用情况下,数据的模型不是一个简单的线性表示就可以搞定的(后面的稀疏表示和字典学习又再次回到的线性表示,当然这个是后话)。更多的时候,我们需要建立一个非线性的模型。此时,Logistic Regression就诞生了。
LR的假设模型:
前面的线性模型都是线性方程作为假设模型,这里的LR使用的逻辑函数,又称为S型函数。
为什么使用这个逻辑函数呢?其实后面有着既内涵有巧妙地原因:
- 这个函数对于给定的输入变量,会根据选择的参数计算输出变量=1的可能性,,也就是说它的输出表示概率,都是0到1之间;
- 该S型假设模型函数融入到后面的代价函数中之后,在梯度下降法中求导之后的模型