1.二元分类(Binary classification)
二元分类问题,即训练样本的标签 y ∈ y\in y∈ {0,1},一般情况下:
- 0,表示负类(Negative class)
- 1,表示正类(Positive class)
1.1 逻辑回归的假设函数(Hypothesis function)
注意,逻辑回归模型虽然带着“回归”二字,但它是一个分类算法。
1.1.1 假设函数的推导
- h θ ( x ) = g ( θ T x ) h_θ(x)=g(θ^Tx) hθ(x)=g(θTx)
- g ( z ) = 1 1 + e − z g(z) = \frac{1}{1+e^{-z}} g(z)=1+e−z1
从而有:
h
θ
(
x
)
=
1
1
+
e
−
θ
T
x
h_θ(x) = \frac{1}{1+e^{-θ^Tx}}
hθ(x)=1+e−θTx1
注:
- g(z)被称为Sigmoid函数或者逻辑函数(Logistic function)
- g(z)的图像如下
1.1.2 对假设函数输出的解释
h θ ( x ) h_θ(x) hθ(x) = estimated probability that y = 1 on input x,即对于给定的输入向量x,根据选择的参数θ,计算输出变量y=1的估值概率(estimated probability),即 h θ ( x ) h_θ(x) hθ(x)=P(y=1|x;θ)。
又因为在二元分类问题中
y
∈
y\in
y∈ {0,1},有P(y=0|x;θ) + P(y=1|x;θ) = 1,进而:
P
(
y
=
0
∣
x
;
θ
)
=
1
−
P
(
y
=
1
∣
x
;
θ
)
P(y=0|x;θ) = 1 - P(y=1|x;θ)
P(y=0∣x;θ)=1−P(y=1∣x;θ)
1.1.3 决策边界(Decision boundary)
在逻辑回归中,我们预测:
{ y = 1 , 当 h θ ( x ) ≥ 0.5 y = 0 , 当 h θ ( x ) < 0.5 \begin{cases} y = 1,当h_θ(x)\ge0.5 \\ y = 0,当h_θ(x)<0.5 \end{cases} {y=1,当hθ(x)≥0.5y=0,当hθ(x)<0.5
又因为 h θ ( x ) = g ( θ T x ) h_θ(x)=g(θ^Tx) hθ(x)=g(θTx),结合Sigmoid函数的图像可知上述式子等价于
{ y = 1 , 当 θ T x ≥ 0 y = 0 , 当 θ T x < 0 \begin{cases} y = 1,当θ^Tx\ge0 \\ y = 0,当θ^Tx<0 \end{cases} {y=1,当θTx≥0y=0,当θTx<0
下面举例来解释决策边界的概念:
- 例1:现在假设我们有一个模型:
h
θ
(
x
)
=
g
(
θ
0
+
θ
1
x
1
+
θ
2
x
2
)
h_θ(x)=g(θ_0+θ_1x_1+θ_2x_2)
hθ(x)=g(θ0+θ1x1+θ2x2),且参数向量
θ
=
[
−
3
1
1
]
θ=\begin{bmatrix} -3 \\ 1 \\ 1\end{bmatrix}
θ=⎣⎡−311⎦⎤
则当 h θ ( x ) ≥ 0.5 h_θ(x)\ge0.5 hθ(x)≥0.5,即 θ T x ≥ 0 θ^Tx\ge0 θTx≥0,即 − 3 + x 1 + x 2 ≥ 0 -3+x_1+x_2 \ge 0 −3+x1+x2≥0时,模型将预测y=1。
我们可以绘制直线
x
1
+
x
2
=
3
x_1+x_2=3
x1+x2=3,这条线便是我们模型的分界线,称为决策边界,将预测为1的区域和预测为0的区域分隔开,如下图中红色的线即为我们这个例子的决策边界。
- 例2:非线性决策边界。
h
θ
(
x
)
=
g
(
θ
0
+
θ
1
x
1
+
θ
2
x
2
+
θ
3
x
1
2
+
θ
4
x
2
2
)
h_θ(x) = g(θ_0+θ_1x_1+θ_2x_2+θ_3x_1^2+θ_4x_2^2)
hθ(x)=g(θ0+θ1x1+θ2x2+θ3x12+θ4x22),且
θ
=
[
−
1
0
0
1
1
]
θ=\begin{bmatrix} -1 \\ 0 \\ 0 \\ 1 \\ 1\end{bmatrix}
θ=⎣⎢⎢⎢⎢⎡−10011⎦⎥⎥⎥⎥⎤(顺便提一下,这个模型是在前面提过的可以在特征中添加额外的高阶多项式,来使模型更好拟合数据。)
则当 h θ ( x ) ≥ 0.5 h_θ(x)\ge0.5 hθ(x)≥0.5,即 θ T x ≥ 0 θ^Tx\ge0 θTx≥0,即 − 1 + x 1 2 + x 2 2 ≥ 0 -1+x_1^2+x_2^2 \ge 0 −1+x12+x22≥0时,模型将预测y=1。
同样地,我们可以绘制
x
1
2
+
x
2
2
=
1
x_1^2+x_2^2 = 1
x12+x22=1,这条线便是我们模型的分界线,称为决策边界,将预测为1的区域和预测为0的区域分隔开,如下图中粉红色的线即为我们这个例子的决策边界。
注: 决策边界是假设函数的一个属性,由
h
θ
(
x
)
h_θ(x)
hθ(x)与参数θ确定(即
θ
T
x
θ^Tx
θTx确定),并不会因数据集而改变;但是因为我们要使用数据集来拟合参数θ,故数据集会决定参数θ的取值;也就是说我们一旦有了确定的参数θ,决策边界就确定了。
1.2 逻辑回归的代价函数(Cost function)
1.2.1 回顾线性回归的代价函数
J
(
θ
)
=
1
m
∑
i
=
1
m
1
2
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
2
J(θ)=\frac{1}{m}\sum_{i=1}^{m}\frac{1}{2}(h_θ(x^{(i)})-y^{(i)})^2
J(θ)=m1∑i=1m21(hθ(x(i))−y(i))2,为了方便理解,将此代价函数改写成如下形式:
{
J
(
θ
)
=
1
m
∑
i
=
1
m
C
o
s
t
(
h
θ
(
x
(
i
)
)
,
y
(
i
)
)
C
o
s
t
(
h
θ
(
x
)
,
y
)
=
1
2
(
(
h
θ
(
x
)
−
y
)
2
\begin{cases} J(θ)=\frac{1}{m}\sum_{i=1}^{m}Cost(h_θ(x^{(i)}),y^{(i)})\\ Cost(h_θ(x),y) = \frac{1}{2}((h_θ(x)-y)^2 \end{cases}
{J(θ)=m1∑i=1mCost(hθ(x(i)),y(i))Cost(hθ(x),y)=21((hθ(x)−y)2如果在逻辑回归中继续使用线性回归的代价函数,
{
J
(
θ
)
h
θ
(
x
)
=
g
(
θ
T
x
)
=
1
1
+
e
−
θ
T
x
\begin{cases} J(θ)\\ h_θ(x)=g(θ^Tx)= \frac{1}{1+e^{-θ^Tx}} \end{cases}
{J(θ)hθ(x)=g(θTx)=1+e−θTx1,那么J(θ)就
变成了一个非凸函数(non-convex function),因此需要重新定义逻辑回归的代价函数。
1.2.2 基于单训练样本的逻辑回归代价函数
C o s t ( h θ ( x ) , y ) = { − l o g ( h θ ( x ) ) , y = 1 − l o g ( 1 − h θ ( x ) ) , y = 0 Cost(h_θ(x),y)=\begin{cases} \qquad-log(h_θ(x)),y=1 \\ \ -log(1-h_θ(x)),y=0 \end{cases} Cost(hθ(x),y)={−log(hθ(x)),y=1 −log(1−hθ(x)),y=0,这样J(θ)就是一个凸函数。
下面我们根据图像来看一下我们的代价函数:
h
θ
(
x
)
h_θ(x)
hθ(x)与
C
o
s
t
(
h
θ
(
x
)
,
y
)
Cost(h_θ(x),y)
Cost(hθ(x),y)之间的关系如下图所示,横轴表示
h
θ
(
x
)
h_θ(x)
hθ(x),纵轴表示
C
o
s
t
(
h
θ
(
x
)
,
y
)
Cost(h_θ(x),y)
Cost(hθ(x),y)
y=1时,
{
若
h
θ
(
x
)
=
1
,
即
P
(
y
=
1
∣
x
;
θ
)
=
1
,
则
C
o
s
t
=
0
若
h
θ
(
x
)
→
0
,
即
P
(
y
=
1
∣
x
;
θ
)
→
0
,
则
C
o
s
t
→
∞
\begin{cases} 若h_θ(x)=1,\ 即P(y=1|x;θ)=1,\ 则Cost=0\\ 若h_θ(x)\to0,即P(y=1|x;θ)\to0,则Cost\to∞ \end{cases}
{若hθ(x)=1, 即P(y=1∣x;θ)=1, 则Cost=0若hθ(x)→0,即P(y=1∣x;θ)→0,则Cost→∞
y=0时, { 若 h θ ( x ) → 1 , 即 P ( y = 1 ∣ x ; θ ) → 1 , 则 C o s t → ∞ 若 h θ ( x ) = 0 , 即 P ( y = 1 ∣ x ; θ ) = 0 , 则 C o s t = 0 \begin{cases} 若h_θ(x)\to1,即P(y=1|x;θ)\to1,则Cost\to∞\\ 若h_θ(x)=0,\ 即P(y=1|x;θ)=0,\ 则Cost=0 \end{cases} {若hθ(x)→1,即P(y=1∣x;θ)→1,则Cost→∞若hθ(x)=0, 即P(y=1∣x;θ)=0, 则Cost=0
1.2.3 逻辑回归代价函数的一般形式
J ( θ ) = 1 m ∑ i = 1 m C o s t ( h θ ( x ( i ) ) , y ( i ) ) J(θ)=\frac{1}{m}\sum_{i=1}^{m}Cost(h_θ(x^{(i)}),y^{(i)}) J(θ)=m1∑i=1mCost(hθ(x(i)),y(i))
C o s t ( h θ ( x ) , y ) = { − l o g ( h θ ( x ) ) , y = 1 − l o g ( 1 − h θ ( x ) ) , y = 0 Cost(h_θ(x),y)=\begin{cases} \qquad-log(h_θ(x)),y=1 \\ \ -log(1-h_θ(x)),y=0 \end{cases} Cost(hθ(x),y)={−log(hθ(x)),y=1 −log(1−hθ(x)),y=0,又因为在二元分类问题中y ∈ \in ∈ {0,1}(总是),
因此
C
o
s
t
(
h
θ
(
x
)
,
y
)
=
−
y
l
o
g
(
h
θ
(
x
)
)
−
(
1
−
y
)
l
o
g
(
1
−
h
θ
(
x
)
)
Cost(h_θ(x),y) = -ylog(h_θ(x))-(1-y)log(1-h_θ(x))
Cost(hθ(x),y)=−ylog(hθ(x))−(1−y)log(1−hθ(x)),从而最终的代价函数的形式为:
J
(
θ
)
=
−
1
m
∑
i
=
1
m
[
y
(
i
)
l
o
g
(
h
θ
(
x
(
i
)
)
)
+
(
1
−
y
(
i
)
)
l
o
g
(
1
−
h
θ
(
x
(
i
)
)
)
]
J(θ) = -\frac{1}{m}\sum_{i=1}^{m}[y^{(i)}log(h_θ(x^{(i)}))+(1-y^{(i)})log(1-h_θ(x^{(i)}))]
J(θ)=−m1i=1∑m[y(i)log(hθ(x(i)))+(1−y(i))log(1−hθ(x(i)))]
1.3 批量梯度下降法(Batch Gradient Descent)
1.3.1 梯度下降法更新公式
Repeat until convergence{ θ j = θ j − α ∂ ∂ θ j J ( θ ) ( f o r j = 0 , 1 , 2 , . . . , n + 1 ) θ_j = θ_j - α\frac{\partial}{\partialθ_j}J(θ)(for \ j = 0,1,2,...,n+1) θj=θj−α∂θj∂J(θ)(for j=0,1,2,...,n+1)}(同时更新所有 θ j θ_j θj)
将J(θ)带入上述更新公式中求出偏导数项,有:
Repeat until convergence{ θ j = θ j − α 1 m ∑ i = 1 m ( h ( θ ) ( x ( i ) ) − y ( i ) ) x j ( i ) ( f o r j = 0 , 1 , 2 , . . . , n + 1 ) θ_j = θ_j - α\frac{1}{m}\sum_{i=1}^{m}(h(θ)(x^{(i)})-y^{(i)})x_j^{(i)}(for \ j = 0,1,2,...,n+1) θj=θj−αm1i=1∑m(h(θ)(x(i))−y(i))xj(i)(for j=0,1,2,...,n+1)}(同时更新所有 θ j θ_j θj)
其中, θ = [ θ 0 θ 1 θ 2 ⋮ θ n ] θ= \begin{bmatrix} θ_0 \\ θ_1 \\ θ_2 \\ \vdots \\ θ_n \end{bmatrix} θ=⎣⎢⎢⎢⎢⎢⎡θ0θ1θ2⋮θn⎦⎥⎥⎥⎥⎥⎤
注: 这里的更新公式与之前线性回归的更新公式表面上“看起来”完全一样,但是要注意 h θ ( x ) h_θ(x) hθ(x)是不同的,
{ 线 性 回 归 模 型 : h θ ( x ) = θ T x 逻 辑 回 归 模 型 : h θ ( x ) = 1 1 + e − θ T x \begin{cases} 线性回归模型:h_θ(x)=θ^Tx\\ 逻辑回归模型:h_θ(x)=\frac{1}{1+e^{-θ^Tx}} \end{cases} {线性回归模型:hθ(x)=θTx逻辑回归模型:hθ(x)=1+e−θTx1
1.3.2 确保梯度下降法正常工作
如在线性回归模型中所讲,画出J(θ)关于迭代次数变化的函数图像,来看梯度下降法是否正常工作。
线性回归中提到的特征缩放,如果你的特征范围差距很大的话,那么应用特征缩放的方法,同样也可以让逻辑回归中,梯度下降收敛更快。
1.3.3 梯度下降法的向量形式
课上没有讲,自己暂时没有推导出来,先放在这里。
1.4 优化算法(Optimization algorithm)
使用优化算法时,那么我们需要做的是编写代码,当输入参数 θ 时,它们会计算出两样东西:
- J(θ)
- ∂ ∂ θ j J ( θ ) ( f o r j = 0 , 1 , 2 , . . . , n + 1 ) \frac{\partial}{\partial θ_j}J(θ)(for \ j = 0,1,2,...,n+1) ∂θj∂J(θ)(for j=0,1,2,...,n+1)
然后以梯度下降法为例,完成上述编码之后,就可以用梯度下降法的更新公式来更新参数θ,直至算法收敛:
Repeat until convergence{
θ
j
=
θ
j
−
α
∂
∂
θ
j
J
(
θ
)
(
f
o
r
j
=
0
,
1
,
2
,
.
.
.
,
n
+
1
)
θ_j = θ_j - α\frac{\partial}{\partialθ_j}J(θ)(for \ j = 0,1,2,...,n+1)
θj=θj−α∂θj∂J(θ)(for j=0,1,2,...,n+1)}(同时更新所有
θ
j
θ_j
θj)
优化算法,除了有梯度下降法之外,还有其他更高级的优化算法:
- Conjugate descent
- BFGS
- L-BFGS
对于这三种更高级的优化算法,它们的优缺点:
优点: { 不 需 手 动 选 择 学 习 率 α 通 常 比 梯 度 下 降 法 收 敛 得 更 快 \begin{cases} 不需手动选择学习率α \\ 通常比梯度下降法收敛得更快 \end{cases} {不需手动选择学习率α通常比梯度下降法收敛得更快
缺点:比梯度下降法更加复杂一些。
对于以上三种高级优化算法,你并不需要去手写自己的优化算法,也不需要看懂源码,只需要会使用相应的库来实现即可。
2.多元分类(Multi-class classification)
多元分类又称为多类别分类(类别多于两个,即 ≥ 3 \ge3 ≥3),即 y ∈ y\in y∈{1,2,3…}(从0或者1开始都无所谓)。
通过“一对多”(one-vs-all)分类方法,就可以将逻辑回归分类器用在多类别分类问题上了。
“一对多”(或者说“一对余”) 分类方法的原理(举例子来讲解):
现在我们有一个训练集,好比上图表示的有三个类别,我们用三角形表示 y=1,方框表示 y=2,叉叉表示 y=3。我们下面要做的就是使用一个训练集,将其分成三个二元分类问题。
我们先从用三角形代表的类别 1 开始,实际上我们可以创建一个,新的"伪"训练集,类型 2 和类型 3 定为负类,类型 1 设定为正类,我们创建一个新的训练集,如下图所示的那样,我们要拟合出一个合适的分类器。
这里的三角形是正样本,而圆形代表负样本。可以这样想,设置三角形的值为 1,圆形的值为 0,下面我们来训练一个标准的逻辑回归分类器,这样我们就得到一个正边界。
为了能实现这样的转变,我们将多个类中的一个类标记为正向类(y=1),然后将其他所有类都标记为负向类,这个模型记作 h θ ( 1 ) ( x ) h^{(1)}_θ(x) hθ(1)(x) 。接着,类似地第我们选择另一个类标记为正向类(y=2),再将其它类都标记为负向类,将这个模型记作 h θ ( 2 ) ( x ) h^{(2)}_θ(x) hθ(2)(x) ,依此类推。
最后我们得到一系列的模型简记为:
h
θ
(
i
)
(
x
)
=
P
(
y
=
i
∣
x
;
θ
)
h^{(i)}_θ(x)=P(y=i|x;θ)
hθ(i)(x)=P(y=i∣x;θ),其中i=(1,2,3,…,k),k为类别数。
最后,在我们需要做预测时,我们将所有的分类机都运行一遍,然后对每一个输入变量,都选择最高可能性的输出变量。
总之,我们现在要做的就是训练这个逻辑回归分类器: h θ ( i ) ( x ) h^{(i)}_θ(x) hθ(i)(x),其中 i 对应每一个可能的 y=i,最后,为了做出预测,我们给出输入一个新的 x 值,用这个做预测。我们要做的就是在我们三个分类器里面输入 x,然后我们选择一个让 h θ ( i ) ( x ) h^{(i)}_θ(x) hθ(i)(x)最大的 i,即 m a x i h θ ( i ) ( x ) max_ih^{(i)}_θ(x) maxihθ(i)(x)。
小结: “一对多”分类方法就是:为每个类别i都训练一个逻辑回归分类器 h θ ( i ) ( x ) h^{(i)}_θ(x) hθ(i)(x),来预测y=i的概率;对一个给定的新的输入x,取 m a x i h θ ( i ) ( x ) max_ih^{(i)}_θ(x) maxihθ(i)(x)作为新输入x的类别。