网上的逻辑回归讲的真复杂,各种数学公式推导,还很抽象,就不能言简意赅一点吗。下面简要的讲下用梯度下降法求解逻辑回归。对梯度下降不了解的可见我另一篇博客
逻辑回归不是回归,而是分类,一般用于二分类。它就是在线性回归的输出加了一个sigmoid激活函数,使输出变成了0到1之间的概率,从而来表示二分类中“是”或“不是”的概率。
线性方程:
sigmoid激活函数:
损失函数:
w和b就是要求的参数,z就是预测结果“是”或“不是”的概率。就是真实值1或0
梯度:
参数更新:
参数b的更新也是和w一样的,这样更新迭代一定次数后模型就训练好了。到此处逻辑回归就介绍完了,但可能有很多人对梯度求解不理解,下面就来详细推导一下。
首先,复习一下后面要用到的求导公式及链式求导法则。
下面来推导线性方程和sigmoid函数的求导
然后为了便于理解,我们将损失函数先拆开求导,先对求导
再对求导
最后对损失函数L求导
至此反向传播求梯度详细推导就完成了,有没有很神奇,在经过一系列推导后,梯度的计算就是用正向传播得到的z和真实的y以及对应的x计算得到的。
觉得有帮助的请点赞-关注-收藏3连