Softmax Regression and Logistic Regression

本文先描述如何用广义线性模型GLM推导出softmax regression，之后描述多项分类的一个特例logistic regression。

Softmax regression

一般分类问题中会将样本分为k类，这类问题可以叫做softmax regression，所以我们可以假设k个参数$\phi_1,\cdot\cdot\cdot,\phi_k$代表每种分类的概率,实际中我们只需要假设k-1个参数，因为$\phi_k=1-\sum_{i=1}^{k-1}\phi_i$.
在指数分布族中，我们之前定义T(y)=y,现在我们定义T(y)等于一个k-1维的向量，y可取1到k的正整数。映射关系如下：

$$T(1)=\left[\begin{matrix}1\\0\\0\\\cdot\\\cdot\\\cdot\\0 \end{matrix}\right],T(2)=\left[\begin{matrix}0\\1\\0\\\cdot\\\cdot\\\cdot\\0 \end{matrix}\right],T(3)=\left[\begin{matrix}0\\0\\1\\\cdot\\\cdot\\\cdot\\0 \end{matrix}\right],\cdot\cdot\cdot,T(k-1)=\left[\begin{matrix}0\\0\\0\\\cdot\\\cdot\\\cdot\\1 \end{matrix}\right],T(k)=\left[\begin{matrix}0\\0\\0\\\cdot\\\cdot\\\cdot\\0 \end{matrix}\right]$$
令 $(T(y))_i$为 $T(y)$的第i个元素。所以 $(T(y))_i$可以用指示函数来表示为 $$(T(y))_i=1\{y=i\}$$
那么 $$E[T(y)]=\sum_{i=1}^k p(y=i)T(i)=\left[\begin{matrix}\phi_1\\\phi_2\\\phi_3\\\cdot\\\cdot\\\cdot\\\phi_{k-1}\end{matrix}\right]$$

首先来再次看看此时指数分布族的三条假设：
(1)$y|x;\theta\sim ExponentialFamily(η)$
(2)给定$x$，我们要预测的是$E(T(y)|x)$,$T(y)$为k-1维向量,响应函数$h(x)=E[y|x]$
(3)$\eta=\theta^Tx$

然后我们开始推导
1.将多项分布变化为指数分布族：

所以连接函数(link function)是

$$\begin{align}\eta_i&=log\frac{\phi_i}{\phi_k}(i=1,2,\cdot\cdot\cdot,k)\\ \phi_i&=\phi_ke^{\eta_i}\\ \phi_k\sum_{i=1}^ke^{\eta_i}&=\sum_{i=1}^k\phi_i=1\to\phi_k=1/\sum_{i=1}^ke^{\eta_i}\\ \phi_i&=\frac{e^{\eta_i}}{\sum_{i=1}^ke^{\eta_i}}\end{align}$$

此时我们可以用$\phi_i=\frac{e^{\eta_i}}{\sum_{i=1}^ke^{\eta_i}}$来表示多项分布的概率模型，即

$$\begin{align}p(y=i|x;\theta)&=\phi_i\\ &=\frac{e^{\theta_i^Tx}}{\sum_{i=1}^ke^{\theta_i^Tx}}（\theta_k=0）\end{align}$$

根据假设三，我们的响应函数h(x)为

$$\begin{align}h_\theta(x)&=E[T(y)|x;\theta]\\ &=\left[\begin{matrix}\phi_1\\\phi_2\\\cdot\\\cdot\\\cdot\\\phi_{k-1}\end{matrix}\right]=\left[\begin{matrix}\frac{e^{\theta_1^Tx}}{\sum_{i=1}^ke^{\theta_i^Tx}}\\\frac{e^{\theta_2^Tx}}{\sum_{i=1}^ke^{\theta_i^Tx}}\\\cdot\\\cdot\\\cdot\\\frac{e^{\theta_{k-1}^Tx}}{\sum_{i=1}^ke^{\theta_i^Tx}}\end{matrix}\right]\end{align}$$
2.用MLE极大似然估计来计算 $\theta$，
$$\begin{align}\ell(\theta)&=log\prod_{i=1}^mp(y^{(i)}|x^{(i)};\theta)\\ &=log\prod_{i=1}^m\prod_{l=1}^k(\frac{e^{\theta_l^Tx^{(i)}}}{\sum_{j=1}^ke^{\theta_j^Tx^{(i)}}})^{1\{y^{(i)}=l\}}\\ &=\sum_{i=1}^m\sum_{l=1}^k1\{y^{(i)}=l\}log\frac{e^{\theta_l^Tx^{(i)}}}{\sum_{j=1}^ke^{\theta_j^Tx^{(i)}}}\end{align}$$
所以Softmax regression的cost function为 $$J(\theta)=-\frac1m[\sum_{i=1}^m\sum_{l=1}^k1\{y^{(i)}=l\}log\frac{e^{\theta_l^Tx^{(i)}}}{\sum_{j=1}^ke^{\theta_j^Tx^{(i)}}}]$$
$$\nabla_{\theta_j}J(\theta)=-\frac1m\sum_{i=1}^m[x^{(i)}(1{\{y^{(i)}=j\}}-p(y^{(i)}=j|x^{(i)};\theta))]$$
然后用BGD就可以得到 $\theta$。
最终预测数据：输入X得到 $h_\theta(x)$的向量值，最大的数所在的维数即Y所属的种类(如果 $\phi_k=1-\sum_{i=1}^{k-1}\phi_i$最大，那Y属于第K类)

Logistic regression

有了softmax regression的推导，Logistic regression就很简单了，LR其实就是一个伯努利分布而已。
因为只有0和1两类，所以我们还是让$T(y)=y$,假设$p(1)=\phi$,则$p(0)=1-\phi$
1、将伯努利分布转化为指数分布
Bernoulli Distribution for Logistic Regression：

$$p(y;\phi)=\phi^y(1-\phi)^{1-y}$$
to Exponential Family:
$$\begin{align}p(y;\phi)&=\phi^y(1-\phi)^{1-y}\\ &=exp(ylog\phi+(1-y)log(1-\phi))\\ &=exp((log{\frac{\phi}{1-\phi}})y+log(1-\phi))\end{align}$$ where $$\begin{align}T(y)&=y\\b(y)&=1\\a(y)&=-log(1-\phi)\\\eta&=log{\frac\phi{1-\phi}}（link function）\end{align}$$
so, response function is $$\phi=\frac1{1+e^{-\theta^Tx}}$$
then, $$\begin{align}h_\theta(x)&=E(T(y)|x;\theta)\\ &=\sum_{i=0}^1p(y=i)T(i)=0(1-\phi)+1\phi=\phi\\ &=\frac1{1+e^{-\theta^Tx}}(sigmoid function)\end{align}$$

2.用MLE来估计$\theta$

$$\begin{align}\ell(\theta)&=log\prod_{i=1}^mp(y^{(i)}|x^{(i)};\theta)\\ &=log\prod_{i=1}^mh_\theta(x^{(i)})^{y^{(i)}}(1-h_\theta(x^{(i)}))^{1-y^{(i)}}\\ &=\sum_{i=1}^m(y^{(i)}logh_\theta(x^{(i)})+(1-y^{(i)})log(1-h_\theta(x^{(i)})))\end{align}$$
so, the Cost Function for logistic regression is $$J(\theta)=-\frac1m\left[\sum_{i=1}^m(y^{(i)}logh_\theta(x^{(i)})+(1-y^{(i)})log(1-h_\theta(x^{(i)})))\right]$$
the gradient of $J(\theta)$ is $$\nabla_{\theta_j}J(\theta)=-\frac1m\sum_{i=1}^m[x_j^{(i)}(y^{(i)}-h_\theta(x^{(i)}))]$$
Actually, you will find that the $j(\theta)$ and $\nabla_{\theta_j}J(\theta)$ for Logistic regression is a simplified version of that for Softmax regression.
In the end, if we apply bayesian method to logistic regression, we will get a regularized term, which is similar as bayesian linear regression.

Softmax 回归 vs. k 个二元分类器

如果你在开发一个音乐分类的应用，需要对k种类型的音乐进行识别，那么是选择使用 softmax 分类器呢，还是使用 logistic 回归算法建立 k 个独立的二元分类器呢？
这一选择取决于你的类别之间是否互斥，例如，如果你有四个类别的音乐，分别为：古典音乐、乡村音乐、摇滚乐和爵士乐，那么你可以假设每个训练样本只会被打上一个标签（即：一首歌只能属于这四种音乐类型的其中一种），此时你应该使用类别数 k = 4 的softmax回归。（如果在你的数据集中，有的歌曲不属于以上四类的其中任何一类，那么你可以添加一个“其他类”，并将类别数 k 设为5。）
如果你的四个类别如下：人声音乐、舞曲、影视原声、流行歌曲，那么这些类别之间并不是互斥的。例如：一首歌曲可以来源于影视原声，同时也包含人声 。这种情况下，使用4个二分类的 logistic 回归分类器更为合适。这样，对于每个新的音乐作品 ，我们的算法可以分别判断它是否属于各个类别。
现在我们来看一个计算视觉领域的例子，你的任务是将图像分到三个不同类别中。(i) 假设这三个类别分别是：室内场景、户外城区场景、户外荒野场景。你会使用sofmax回归还是 3个logistic 回归分类器呢？ (ii) 现在假设这三个类别分别是室内场景、黑白图片、包含人物的图片，你又会选择 softmax 回归还是多个 logistic 回归分类器呢？
在第一个例子中，三个类别是互斥的，因此更适于选择softmax回归分类器 。而在第二个例子中，建立三个独立的 logistic回归分类器更加合适。

参考资料：
【1】cs229 by Andrew Ng from 网易公开课.
【2】UFLDL.