1,逻辑回归简介
逻辑回归完成分类任务,是经典的二分类算法(也可以解决多分类问题),机器学习算法一般选择先逻辑回归(优先选择)再用复杂的,逻辑回归的决策边界可以是非线性的(高阶)。可以通过参数对结果进行评估。
2,Sigmoid 函数
表达式:
图像:
自变量取值为任意实数,值域[0,1]。将任意的输入映射到了[0,1]区间,回顾在线性回归中可以得到一个预测值,可再将该值映射到Sigmoid 函数中这样就完成了由值到概率的转换,也就是分类任务。
预测函数表达式:
其中
二分类任务:
保证概率求和为1。
整合为下式:
似然函数:
对数似然:
对上式求导:
i代表样本,j代表样本的特征。
转换为梯度下降任务:
参数更新:
学习率乘以方向,m代表bitch的大小
多分类的softmax:
结果值要进行归一化。