逻辑回归本质是分类问题,而且是二分类问题,不属于回归,为何把逻辑回归放到回归系统博客中呢?我们可以这样理解,逻辑回归就是用回归的办法来做分类。它是在线性回归的基础上,通过Sigmoid函数进行了非线性转换,从而具有更强的拟合能力。
Sigmoid函数
Sigmoid函数具体的计算公式如下:
g
(
z
)
=
1
1
+
e
−
z
g(z)=\frac{1}{1+e^{-z}}
g(z)=1+e−z1
当x为0时,Sigmoid函数值为0.5。随着x的增大,对应的Sigmoid值将逼近于1;而随着x的减小,Sigmoid值将逼近于0。两种坐标尺度下的Sigmoid函数图。上图的横坐标为-5到5,这时的曲线变化较为平滑;下图横坐标的尺度足够大,可以看到,在x = 0点处Sigmoid函数看起来很像阶跃函数,如果横坐标刻度足够大(上图中的下图),Sigmoid函数看起来很像一个阶跃函数。
Logistic回归分类器
为了实现Logistic回归分类器,我们可以在每个特征上都乘以一个回归系数,然后把所有的结果值相加,将这个总和代入Sigmoid函数中,进而得到一个范围在0~1之间的数值。任何大于0.5的数据被分入1类,小于0.5即被归入0类。所以,Logistic回归也可以被看成是一种概率估计。
p
=
h
θ
(
x
)
=
g
(
θ
T
x
)
=
1
1
+
e
−
θ
T
x
p=h_\theta (x)=g(\theta ^Tx)=\frac{1}{1+e^{-\theta ^Tx}}
p=hθ(x)=g(θTx)=1+e−θTx1
所以说,Logistic回归分类器可以看成线性回归与sigmoid的混合函数,是一个二分类的模型(这里是取的0和1,有的算法是+1和-1)
y
=
{
0
1
y=\begin{cases} 0\\ 1 \end{cases}
y={01
y
^
=
{
0
,
P
(
y
^
=
1
)
>
p
1
,
P
(
y
^
=
0
)
>
p
\hat{y}=\begin{cases} 0,P(\hat{y}=1)>p\\ 1,P(\hat{y}=0)>p \end{cases}
y^={0,P(y^=1)>p1,P(y^=0)>p
在用于分类时,实际上是找一个阈值,大于阈值的属于1类别,小于的属于0类别。(阈值是可根据具体情况进行相应变动的)
公式推导
\, | y=1 | y=0 |
---|---|---|
p(y|x) | θ \theta θ | 1 − θ 1- \theta 1−θ |
我们假设
P
(
y
=
1
│
x
;
θ
)
=
h
θ
(
x
)
P
(
y
=
0
│
x
;
θ
)
=
1
−
h
θ
(
x
)
P(y=1│x;θ)=h_θ (x) \\ P(y=0│x;θ)=1−h_θ (x)
P(y=1│x;θ)=hθ(x)P(y=0│x;θ)=1−hθ(x)
把两个式子结合
P
(
y
│
x
;
θ
)
=
(
h
θ
(
x
)
)
y
(
1
−
h
θ
(
x
)
)
1
−
y
P(y│x;θ)=\left( h_θ (x) \right)^y \left(1−h_θ (x)\right)^{1−y}
P(y│x;θ)=(hθ(x))y(1−hθ(x))1−y
这是因为,我们期望的是,对于单个样本
- 当y=1时,我们期望 h θ ( x ) h_θ (x) hθ(x) 最大
- 当y=0时,我们期望 1 − h θ ( x ) 1−h_θ (x) 1−hθ(x) 最大
所以综合起来:我们期望 P ( y │ x ; θ ) = ( h θ ( x ) ) y ( 1 − h θ ( x ) ) 1 − y P(y│x;θ)=\left( h_θ (x) \right)^y \left(1−h_θ (x)\right)^{1−y} P(y│x;θ)=(hθ(x))y(1−hθ(x))1−y 最大
我们可以对所有样本取似然函数
L
(
θ
)
=
p
(
y
⃗
∣
X
;
θ
)
=
∏
i
=
1
m
p
(
y
(
i
)
∣
x
(
i
)
;
θ
)
=
∏
i
=
1
m
(
h
θ
(
x
(
i
)
)
)
y
(
i
)
(
1
−
h
θ
(
x
(
i
)
)
)
(
1
−
y
(
i
)
)
\begin{aligned} L(\theta) =p( \vec{y} | X;\theta) = \prod_{i=1}^m p \left( y^{(i)}|x^{(i)};\theta\right) = \prod_{i=1}^m \left( h_\theta \left( x^{(i)} \right) \right)^{y^{(i)}} \left( 1-h_\theta \left( x^{(i)} \right) \right)^{\left(1-y^{(i)} \right)} \end{aligned}
L(θ)=p(y∣X;θ)=i=1∏mp(y(i)∣x(i);θ)=i=1∏m(hθ(x(i)))y(i)(1−hθ(x(i)))(1−y(i))
累乘不好求,我们可以求其对数似然函数
l
(
θ
)
=
log
L
(
θ
)
=
∑
i
=
1
m
(
y
(
i
)
log
h
θ
(
x
(
i
)
)
)
+
(
1
−
y
(
i
)
)
log
(
1
−
h
θ
(
x
(
i
)
)
)
\begin{aligned} l{(\theta)}= \log L{(\theta)} = \sum_{i=1}^m \left( y^{(i)} \log h_\theta \left( x^{(i)}\right) \right) + \left(1-y^{(i)} \right) \log \left( 1-h_\theta \left( x^{(i)} \right) \right) \end{aligned}
l(θ)=logL(θ)=i=1∑m(y(i)loghθ(x(i)))+(1−y(i))log(1−hθ(x(i)))
最值的问题,我们可以求导。
∂
l
(
θ
)
∂
θ
j
=
∑
i
=
1
m
(
y
(
i
)
h
θ
(
x
(
i
)
)
−
1
−
y
(
i
)
1
−
h
θ
(
x
(
i
)
)
)
⋅
∂
h
θ
(
x
(
i
)
)
∂
θ
j
=
∑
i
=
1
m
(
y
(
i
)
g
(
θ
T
x
(
i
)
)
−
1
−
y
(
i
)
1
−
g
(
θ
T
x
(
i
)
)
)
⋅
∂
g
(
θ
T
x
(
i
)
)
∂
θ
j
=
∑
i
=
1
m
(
y
(
i
)
g
(
θ
T
x
(
i
)
)
−
1
−
y
(
i
)
1
−
g
(
θ
T
x
(
i
)
)
)
⋅
g
(
θ
T
x
(
i
)
)
(
1
−
g
(
θ
T
x
(
i
)
)
)
⋅
∂
(
θ
T
x
(
i
)
)
∂
θ
j
=
∑
i
=
1
m
(
y
(
i
)
(
1
−
g
(
θ
T
x
(
i
)
)
)
−
(
1
−
y
(
i
)
)
g
(
θ
T
x
(
i
)
)
)
⋅
X
j
(
i
)
=
∑
i
=
1
m
(
y
(
i
)
−
g
(
θ
T
x
(
i
)
)
)
⋅
X
j
(
i
)
\begin{aligned} \frac{\partial l(\theta)}{\partial \theta_j} &=\sum_{i=1}^m \left( \frac{y^{(i)}}{h_\theta (x^{(i)})} - \frac{1-y^{(i)}}{1-h_\theta (x^{(i)})} \right) \cdot \frac{\partial h_\theta (x^{(i)})}{\partial \theta_j}\\ &=\sum_{i=1}^m \left( \frac{y^{(i)}}{g(\theta ^T x^{(i)})} - \frac{1-y^{(i)}}{1-g(\theta ^T x^{(i)})} \right) \cdot \frac{\partial g(\theta ^T x^{(i)})}{\partial \theta_j}\\ &=\sum_{i=1}^m \left( \frac{y^{(i)}}{g(\theta ^T x^{(i)})} - \frac{1-y^{(i)}}{1-g(\theta ^T x^{(i)})} \right) \cdot g(\theta ^T x^{(i)}) \left( 1-g(\theta ^T x^{(i)}) \right) \cdot \frac{\partial (\theta ^T x^{(i)})}{\partial \theta_j}\\ &= \sum_{i=1}^m \left( y^{(i)} \left( 1-g(\theta^T x^{(i)}) \right) -(1-y^{(i)}) g(\theta^T x^{(i)}) \right) \cdot X_j^{(i)}\\ &= \sum_{i=1}^m \left( y^{(i)} -g(\theta^T x^{(i)}) \right) \cdot X_j^{(i)} \end{aligned}
∂θj∂l(θ)=i=1∑m(hθ(x(i))y(i)−1−hθ(x(i))1−y(i))⋅∂θj∂hθ(x(i))=i=1∑m(g(θTx(i))y(i)−1−g(θTx(i))1−y(i))⋅∂θj∂g(θTx(i))=i=1∑m(g(θTx(i))y(i)−1−g(θTx(i))1−y(i))⋅g(θTx(i))(1−g(θTx(i)))⋅∂θj∂(θTx(i))=i=1∑m(y(i)(1−g(θTx(i)))−(1−y(i))g(θTx(i)))⋅Xj(i)=i=1∑m(y(i)−g(θTx(i)))⋅Xj(i)
不难发现:和梯度下降的公式极其类似
∑
i
=
1
m
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
x
j
(
i
)
\sum_{i=1}^m \left(h_\theta(x^{(i)})-y^{(i)} \right) x_j^{(i)}
i=1∑m(hθ(x(i))−y(i))xj(i)
这里需要补充一下,在上面求导的过程中,第二行到第三行省略了Sigmoid求导的过程,具体如下:
g ′ ( z ) = ( 1 1 + e − z ) ′ = e − z ( 1 + e − z ) 2 = 1 1 + e − z ⋅ e − z 1 + e − z = 1 1 + e − z ⋅ ( 1 − 1 1 + e − z ) = g ( z ) ⋅ ( 1 − g ( z ) ) \begin{aligned} g^{'} (z) &= \left( \frac{1}{1+e^{-z}} \right)^{'}\\ &=\frac{e^{-z}}{(1+e^{-z})^2}\\ &=\frac{1}{1+e^{-z}} \cdot \frac{e^{-z}}{1+e^{-z}}\\ &=\frac{1}{1+e^{-z}} \cdot \left( 1- \frac{1}{1+e^{-z}}\right)\\ &= g(z) \cdot \left( 1-g(z) \right) \end{aligned} g′(z)=(1+e−z1)′=(1+e−z)2e−z=1+e−z1⋅1+e−ze−z=1+e−z1⋅(1−1+e−z1)=g(z)⋅(1−g(z))
接着上面对数似然的求导结果。我们期望的是极大似然,可以进行一下转换,类似于梯度下降来求
θ
\theta
θ
θ
j
=
θ
j
+
α
∑
i
=
1
m
(
y
(
i
)
−
h
θ
(
x
(
i
)
)
)
⋅
x
j
(
i
)
\theta_j = \theta_j + \alpha \sum_{i=1}^m \left( y^{(i)} - h_\theta (x^{(i)})\right) \cdot x_j^{(i)}
θj=θj+αi=1∑m(y(i)−hθ(x(i)))⋅xj(i)
上式为BGD
θ
j
=
θ
j
+
α
(
y
(
i
)
−
h
θ
(
x
(
i
)
)
)
x
j
(
i
)
\theta_j = \theta_j + \alpha \left(y^{(i)} - h_\theta(x^{(i)}) \right) x_j^{(i)}
θj=θj+α(y(i)−hθ(x(i)))xj(i)
上式为SGD
我们要让对数似然函数最大,也就是他的相反数
−
l
(
θ
)
-l(θ)
−l(θ) 最小。而
−
l
(
θ
)
-l(θ)
−l(θ) 最小化,则可以看成损失函数,求其最小化:
l
o
s
s
=
−
l
(
θ
)
loss = -l(\theta)
loss=−l(θ)
先看一下极大似然估计
L
(
θ
)
=
∏
i
=
1
m
p
(
y
(
i
)
∣
x
(
i
)
;
θ
)
=
∏
i
=
1
m
p
i
y
(
i
)
(
1
−
p
i
)
1
−
y
(
i
)
L(\theta)=\prod_{i=1}^m p\left( y^{(i)} | x^{(i)};\theta \right)=\prod_{i=1}^m p_i^{y^{(i)}} \left( 1-p_i \right)^{1-y^{(i)}}
L(θ)=i=1∏mp(y(i)∣x(i);θ)=i=1∏mpiy(i)(1−pi)1−y(i)
l
(
θ
)
=
ln
L
(
θ
)
=
∑
i
=
1
m
ln
(
p
i
y
(
i
)
(
1
−
p
i
)
1
−
y
(
i
)
)
l(\theta)=\ln L(\theta)=\sum_{i=1}^m \ln \left( p_i^{y^{(i)}} \left( 1-p_i \right)^{1-y^{(i)}} \right)
l(θ)=lnL(θ)=i=1∑mln(piy(i)(1−pi)1−y(i))
注意,这里 p i = h θ ( x ( i ) ) = 1 1 + e − θ T x ( i ) p_i=h_\theta (x^{(i)})=\frac{1}{1+e^{-\theta^T x^{(i)}}} pi=hθ(x(i))=1+e−θTx(i)1
所以,我们可以得到损失函数:
l
o
s
s
=
−
l
(
θ
)
=
−
∑
i
=
1
m
(
y
(
i
)
ln
(
p
i
)
+
(
1
−
y
(
i
)
)
ln
(
1
−
p
i
)
)
=
∑
i
=
1
m
(
−
y
(
i
)
ln
(
h
θ
(
x
(
i
)
)
)
−
(
1
−
y
(
i
)
)
ln
(
1
−
h
θ
(
x
(
i
)
)
)
)
\begin{aligned} loss &= -l(\theta)\\ &=-\sum_{i=1}^m \left( y^{(i)} \ln(p_i) +(1-y^{(i)}) \ln(1-p_i)\right)\\ &=\sum_{i=1}^m \left( -y^{(i)} \ln(h_\theta (x^{(i)})) -(1-y^{(i)}) \ln(1-h_\theta (x^{(i)}))\right) \end{aligned}
loss=−l(θ)=−i=1∑m(y(i)ln(pi)+(1−y(i))ln(1−pi))=i=1∑m(−y(i)ln(hθ(x(i)))−(1−y(i))ln(1−hθ(x(i))))
这个结果就是交叉熵损失函数。
总结
就一句话:通过以上过程,会发现逻辑回归的求解,跟线性回归的求解基本相同。