1-逻辑回归算法原理推导
逻辑回归算法其实是一个分类算法,是非常经典,优秀的算法。一般我们不知道用哪个分类算法的时候,首先用逻辑回归算法试一试;它不仅可以实现二分类算法,还可以解决多分类问题
逻辑回归算法用到Sigmoid函数
Sigmoid函数解决二分类任务
2-逻辑回归算法求解
机器学习基本上都是一样的,只要找出目标函数,让我的结果值最符合我的数据要去做似然函数;似然函数规则还是先写出基本的函数表达式,把目标函数带入到似然函数,在转换为对数函数,然后把梯度上升问题转换成梯度下降问题,言外之意就是求最大值时,转化为求负的最小值。
梯度下降的求导过程如下所示,这里说一下i,j表示的啥,i表示第几个样本,j表示样本第几个特征,第j个特征对应θj,当我更新第j个特征时,也就是更新θj时,咱们用第j列数据去更新,相当于对应于咱们当前参数的位置选择特定的列,继而完成求偏导过程。
梯度下降分析
一但知道偏导方向,更新的力度知道了,那么就可以求解了。
(h(x)-y)x是偏导方向,α是更新力度(学习率),α不能太大也不能太小,通过学习率控制更新速度,1/m是我们综合考虑所有m个样本,(h(x)-y)x左面的部分是步长,偏导方向乘以步长,就是更新幅度