逻辑回归
理论
面对一个分类问题,我们用线性回归的模型来进行进行分类(注意虽然有回归两个字,但是逻辑回归解决的是分类问题)。线性回归会得到一个具体的数值,然后我们会通过一个激活函数,一般采用Sigmoid函数(因为这个函数曲线光滑)将输出归结到0到1,然后设定一个阈值,高于这个阈值为正,低于这个阈值为负,公式:
ϕ
(
x
)
=
1
1
+
e
−
(
w
T
x
+
b
)
\phi (x) = \frac{1}{1+e^{-(w^Tx+b)}}
ϕ(x)=1+e−(wTx+b)1
通过优化代价函数:
L
(
θ
)
=
log
L
(
θ
)
=
∑
i
=
1
m
(
y
i
logh
θ
(
x
i
)
+
(
1
−
y
i
)
log
(
1
−
h
θ
(
x
i
)
)
L(\theta)=\log L(\theta)=\sum_{i=1}^{m}\left(y_{i} \operatorname{logh}_{\theta}\left(x_{i}\right)+\left(1-y_{i}\right) \log \left(1-h_{\theta}\left(x_{i}\right)\right)\right.
L(θ)=logL(θ)=i=1∑m(yiloghθ(xi)+(1−yi)log(1−hθ(xi))
从而得到最优的权值w来预测测试集
实践
from sklearn import svm
clf = svm.LinearSVC(C=5,dual=False)
clf.fit(x_train,y_train)
clf_predict=clf.predict(x_val)
sklearn.metrics.f1_score(y_val, clf_predict, average='weighted')
支持向量机
理论
支持向量机(support vector machines)是一种二分类模型,它的目的是寻找一个超平面来对样本进行分割,分割的原则是间隔最大化,最终转化为一个凸二次规划问题来求解。由简至繁的模型包括:
当训练样本线性可分时,通过硬间隔最大化,学习一个线性可分支持向量机;
当训练样本近似线性可分时,通过软间隔最大化,学习一个线性支持向量机;
当训练样本线性不可分时,通过核技巧和软间隔最大化,学习一个非线性支持向量机;
实践
from sklearn.linear_model import LogisticRegression
lr = LogisticRegression(C=120,dual=True)
lr.fit(x_train,y_train)
lr_predict=lr.predict(x_val)
sklearn.metrics.f1_score(y_val, lr_predict, average='weighted')