视频讲解地址
使用Python实现Logistic回归算法_哔哩哔哩 (゜-゜)つロ 干杯~-bilibiliwww.bilibili.com本文代码
地址github.comLogistic回归是统计学习中经典的分类方法。二项Logistic回归模型概率分布如下
其中
为权重,
为偏置。 一个事件发生的概率与该事件不发生的概率比值称为对数几率,假设一个事件发生的概率为
,则该事件不发生的概率为
,从而该事件的对数几率为
从而有
当(1)式大于0时表示
的概率要大于
,对于二项Logistic分类来说当(1)式大于0时样本的类别应当为1,反之当(1)式小于0时表示
的概率要大于
,相应的样本类别应当分类到0
Logistic回归算法的损失函数为交叉熵损失,令
,则
,
为训练集中的一个样本,则Logistic的损失函数如下
其中
为训练样本个数,
为样本
的真实标签。我们通过随机梯度下降法学习Logistic模型的参数,首先我们化简(2)式可得到
然后对
求偏导
其中
为样本
真实标签,
为模型预测
为类别1的概率,然后我们可以通过如下表达式更新权重和偏置
其中
为学习率.
使用Python实现Logistic回归算法代码如下
import