起步
非线性回归是线性回归的延伸,线性就是每个变量的指数都是 1,而非线性就是至少有一个变量的指数不是 1。生活中,很多现象之间的关系往往不是线性关系。选择合适的曲线类型不是一件轻而易举的工作,主要依靠专业知识和经验。常用的曲线类型有 幂函数,指数函数,抛物线函数,对数函数和S型函数 。
化非线性回归为线性回归
通过变量代换,可以将很多的非线性回归转化为线性回归。比如目标函数假设是 y = b0 + b1x + b2x^2。那么另 z1 = x, z2 = x^2 。目标函数就变为 y = b0 + b1z1 + b2z2。就可以用线性回归来解方程了而用上一篇文章《回归算法之线性回归》就能解决线性回归的问题。常见的转化模型有:
逻辑回归
逻辑回归( Logistic Regression ) 是非线性回归中的一种,在分类问题上有的也能采用逻辑回归分类。这是一个二分类器。比如根据肿瘤大小判断其良性或恶性,线性方程显然不能胜任了:
逻辑回归模型中,先给定线性函数:
虽然这边是 θ 表示,但其实和线性回归中 b 是一个意思,都是作为自变量的系数。在二分类器中,经常需要一个分界线作为区分两类结果。再次需要一个函数进行曲线平滑化,由此引入 Sigmoid 函数进行转化: