逻辑回归本质上是线性回归,只是在特征到结果的映射中加入了一层逻辑函数sigmoid(z),即先把特征线性求和,然后使用函数sigmoid(z)作为假设函数来预测。
求解过程:
而sigmoid 的导数是:
逻辑回归用来分类0/1 问题,也就是预测结果属于0 或者1 的二值分类问题。这里假设了二值满足伯努利分布,也就是
所以对于训练集,其极大似然函数是:
先取ln利于计算:
然后需要进行极大似然估计,使用梯度上升来求极大值:
这里要求梯度增量:
对于SDG,
而LR的损失函数而是:
逻辑回归相对于线性回归:
逻辑回归是在线性函数后添加了sigmoid从而将回归问题变成了分类问题