转自:http://blog.csdn.net/zhangliyao22/article/details/48379291
logistic原文:http://blog.csdn.NET/ariessurfer/article/details/41310525
softmax原文:http://blog.csdn.net/pi9nc/article/details/19336629
Logistic回归为概率型非线性回归模型,是研究二分类观察结果与一些影响因素
之间关系的一种多
变量分析方法。通常的问题是,研究某些因素条件下某个结果是否发生,比如医学中根据病人的一些症状来判断它是
否患有某种病。
在讲解Logistic回归理论之前,我们先从LR分类器说起。LR分类器,即Logistic Regression Classifier。
在分类情形下,经过学习后的LR分类器是一组权值,当测试样本的数据输入时,这组权值与测试数据按
照线性加和得到
这里是每个样本的
个特征。
之后按照sigmoid函数的形式求出
由于sigmoid函数的定义域为,值域为
,因此最基本的LR分类器适合对两类目标进行分类。
所以Logistic回归最关键的问题就是研究如何求得这组权值。这个问题是用极大似然估计来做的。
下面正式地来讲Logistic回归模型。
考虑具有个独立变量的向量
,设条件慨率
为根据观测量相对于某事件
发生的
概率。那么Logistic回归模型可以表示为
这里称为Logistic函数。其中
那么在条件下
不发生的概率为
所以事件发生与不发生的概率之比为
这个比值称为事件的发生比(the odds of experiencing an event),简记为odds。
对odds取对数得到