matlab 对数回归,[线性模型] 对数几率回归(Logistic Regression)

本文详细介绍了对数几率回归的数学基础,包括Sigmoid函数、最大似然估计法以及牛顿迭代法,并提供了MATLAB代码实现对数几率回归模型,用于解决二分类问题。
摘要由CSDN通过智能技术生成

公式推导

对数几率回归用于处理二分类问题,其数学基础为对数几率函数,是一种 Sigmoid 函数

\[y = \frac{1}{1+e^{-z}} \tag 1

\]

其函数图像如下

20201014225805596962.png

取 $z = \boldsymbol{w}^T\boldsymbol{x}+b$,并对式 $(1)$ 进行一定变换,得

$$

\ln\frac{y}{1-y}= \boldsymbol{w}^T\boldsymbol{x}+b \tag 2\$$

可以理解为,使用线性回归的预测结果逼近真实标记的对数几率. 当 $y>0.5$ 时,左式大于 $0$;当 $y<0.5$ 时,左式小于$0$.

按照线性回归模型的求解过程,推导出求解 \(\boldsymbol w\) 和 \(b\) 的迭代公式. 将式 \((2)\) 中的 \(y\) 看作类后验概率估计\(p(y=1|\boldsymbol x)\), 代入式 \((2)\) 可以推出

\[\begin{align}

p(y=1|\boldsymbol x) = \frac{e^{\boldsymbol w^T\boldsymbol x+b}}{1+e^{\boldsymbol w^T \boldsymbol x+b}} \tag 3\p(y=0|\boldsymbol x) = \frac{1}{1+e^{\boldsymbol w^T

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值