logistic回归和最大熵

回顾发现，李航的《统计学习方法》有些章节还没看完，为了记录，特意再水一文。

0 - logistic分布

如《统计学习方法》书上，设X是连续随机变量，X服从logistic分布是指X具有以下分布函数和密度函数：

$$F(x) = P(X \leq x)=\frac{1}{1+e^{-(x-\mu)/\gamma}}$$
$$f(x) = F'(x) = \frac{e^{-(x-\mu)/\gamma}}{1+e^{-(x-\mu)/\gamma}}$$
其中 $\mu$是位置参数， $\gamma$是形状参数，logistic分布函数是一条S形曲线，该曲线以点 $(\mu,\frac{1}{2})$为中心对称，即：
$$F(-x+\mu)-\frac{1}{2} = -F(x-\mu)+\frac{1}{2}$$
$\gamma$参数越小，那么该曲线越往中间缩，则中心附近增长越快

图0.1 logistic 密度函数和分布函数

1 - 二项logistic回归

我们通常所说的逻辑回归就是这里的二项logistic回归，它有如下的式子：

$$h_\theta(\bf x)=g(\theta^T\bf x) = \frac{1}{1+e^{-\theta^T\bf x }}$$
这个函数叫做logistic函数，也被称为sigmoid函数，其中 $x_i\in{\bf R}^n,y_i\in\{0,1\}$且有如下式子：

$P(y=1|\bf x;\theta) = h_\theta(\bf x)$
$P(y=0|\bf x;\theta) =1- h_\theta(\bf x)$
$\log\frac{P(y=1|\bf x;\theta) }{1-P(y=1|\bf x;\theta) }=\theta^T\bf x$
即紧凑的写法为：
$$p(y|\bf x; \theta) = (h_\theta(x))^y(1-h_\theta(\bf x))^{1-y}$$
基于 $m$个训练样本，通过极大似然函数来求解该模型的参数：
$$\begin{eqnarray}L(\theta) &=&\prod_{i=1}^mp(y^{(i)}|x^{(i)};\theta)\\ &=&\prod_{i=1}^m(h_\theta(x^{(i)}))^{y^{(i)}}(1-h_\theta(\bf x^{(i)}))^{1-y^{(i)}} \end{eqnarray}$$
将其转换成log最大似然：
$$\begin{eqnarray}\it l(\theta) &=&\log L(\theta)\\ &=&\sum_{i=1}^my^{(i)}\log h(x^{(i)})+(1-y^{(i)})\log (1-h(x^{(i)})) \end{eqnarray}$$
而该sigmoid函数的导数为： $g'(z) = g(z)(1-g(z))$，假设 $m=1$（即随机梯度下降法）,将上述式子对关于 $\theta_j$求导得：

ps:上述式子是单样本下梯度更新过程，且基于第 $j$个参数（标量）进行求导，即涉及到输入样本$x$的第 $j$个元素$x_j$
而关于参数 $\theta$的更新为： $\theta:=\theta+\alpha\nabla_\theta\it l(\theta)$
ps:上面式子是加号而不是减号，是因为这里是为了最大化，而不是最小化
通过多次迭代，使得模型收敛，并得到最后的模型参数。

2 - 多项logistic回归

假设离散型随机变量$Y$的取值集合为${1,2,...,K}$，那么多项logistic回归模型为：

$$P(Y=k|x) = \frac{e^{(\theta_k* \bf x)}}{1+\sum_{k=1}^{K-1}e^{(\theta_k* \bf x)}},k=1,2,...K-1$$
而第 $K$个概率为：
$$P(Y=K|x) = \frac{1}{1+\sum_{k=1}^{K-1}e^{(\theta_k* \bf x)}}$$
这里 $x\in{\bf R}^{n+1},\theta_k\in {\bf R}^{n+1}$,即引入偏置。

3 - softmax

logistic回归模型的代价函数为：

$$J(\theta) = -\frac{1}{m}\left[\sum_{i=1}^{m} y^{(i)}\log h_\theta({\bf x}^{(i)})+(1-y^{(i)})\log (1-h_\theta({\bf x}^{(i)})) \right]$$
而softmax是当多分类问题，即 $y^{(i)}\in \{1,2,...,K\}$。对于给定的样本向量 $\bf x$,模型对每个类别都会输出一个概率值 $p(y=j|\bf x)$，则如下图：

其中 $\theta_1,\theta_2,...\theta_k \in R^{n+1}$都是模型的参数，其中分母是为了归一化使得所有概率之和为1.
从而softmax的代价函数为：
$$\begin{eqnarray}J(\theta) &=& -\frac{1}{m}\left[\sum_{i=1}^{m} \sum_{j=1}^K1\{y^{(i)}=j\}\log \frac{e^{\theta_j^T{\bf x}^{(i)}}}{\sum_{l=1}^Ke^{\theta_l^T{\bf x}^{(i)}}}\right]\\ &=& -\frac{1}{m}\left[\sum_{i=1}^{m} \sum_{j=1}^K1\{y^{(i)}=j\}\left[\log {e^{\theta_j^T{\bf x}^{(i)}}}-\log{\sum_{l=1}^Ke^{\theta_l^T{\bf x}^{(i)}}}\right]\right] \end{eqnarray}$$
其中， $p(y^{(i)}=j|{\bf x}^{(i)};\theta)=\frac{e^{\theta_j^T{\bf x}^{(i)}}}{\sum_{l=1}^Ke^{\theta_l^T{\bf x}^{(i)}}}$该代价函数关于第j个参数的导数为：
$$\begin{eqnarray}\nabla_{\theta_j}J(\theta) &=&-\frac{1}{m}\sum_{i=1}^{m}1\{y^{(i)}=j\}\left[\frac{e^{\theta_j^T{\bf x}^{(i)}}* {\bf x}^{(i)}}{e^{\theta_j^T{\bf x}^{(i)}}}-\frac{e^{\theta_j^T{\bf x}^{(i)}}* {\bf x}^{(i)}}{\sum_{l=1}^Ke^{\theta_l^T{\bf x}^{(i)}}}\right]\\ &=&-\frac{1}{m}\sum_{i=1}^{m}1\{y^{(i)}=j\}\left[{\bf x}^{(i)}-\frac{e^{\theta_j^T{\bf x}^{(i)}}* {\bf x}^{(i)}}{\sum_{l=1}^Ke^{\theta_l^T{\bf x}^{(i)}}}\right]\\ &=&-\frac{1}{m}\sum_{i=1}^{m}{\bf x}^{(i)}\left(1\{y^{(i)}=j\}-\frac{e^{\theta_j^T{\bf x}^{(i)}}}{\sum_{l=1}^Ke^{\theta_l^T{\bf x}^{(i)}}}\right)\\ &=&-\frac{1}{m}\sum_{i=1}^{m}{\bf x}^{(i)}\left[1\{y^{(i)}=j\} - p(y^{(i)}=j|{\bf x}^{(i)};\theta)\right] \end{eqnarray}$$
ps:因为在关于 $\theta_j$求导的时候，其他非 $\theta_j$引起的函数对该导数为0。所以 $\sum_{j=1}^K$中省去了其他部分
ps:这里的 $\theta_j$不同于逻辑回归部分，这里是一个向量;

4 - softmax与logistic的关系

将逻辑回归写成如下形式：

$$\begin{eqnarray}J(\theta) &=& -\frac{1}{m}\left[\sum_{i=1}^{m} y^{(i)}\log h_\theta({\bf x}^{(i)})+(1-y^{(i)})\log (1-h_\theta({\bf x}^{(i)})) \right]\\ &=& -\frac{1}{m}\left[\sum_{i=1}^{m} \sum_{j=0}^11\{y^{(i)}=j\}\log p(y^{(i)}=j|{\bf x}^{(i)};\theta)\right] \end{eqnarray}$$
可以看出当k=2的时候，softmax就是逻辑回归模型

参考资料：
[] 李航，统计学习方法
[] 周志华，机器学习
[] CS229 Lecture notes Andrew Ng
[] ufldl
[] Foundations of Machine Learning