成本函数
逻辑回归的成本函数与线性回归的成本函数只在形式上类似,逻辑回归的成本函数是对损失函数求和,然后求平均。但两者的意义相同,成本函数越低代表参数的拟合效果越好。
损失函数
由于直接将逻辑回归函数带入成本函数会导致成本函数非凸,会产生多个局部最优解,所以需要引入损失函数,对损失函数求平均值,可以使成本函数变凸(至于为什么还不清楚,后续会想明白这个问题),只有一个最优解,然后可以运行梯度下降,找到拟合效果最好的参数。
损失函数:
将其简化为
则成本函数:
公式含义:在进行数据训练时,当训练数据中的y为1的情况下,f的输出越趋近于1则损失函数越小,代表参数的拟合效果越好。当y为0的情况下,f的输出越趋近于0则损失函数越小,代表参数的拟合效果越好。(f代表预测的概率,范围在0-1)。
以预测肿瘤是良性还是恶性为例,当确定肿瘤为恶性(即y=1),但f的输出远小于1(不认为是恶性肿瘤),则损失函数越大。
有了损失函数后,可以进行逻辑回归的梯度下降,找到最佳参数。
梯度下降
逻辑回归梯度下降函数与线性回归梯度下降函数形式上相同。