逻辑回归是机器学习算法中常用的算法之一,其简单,容易理解,故被后人广泛使用。今天来总结下它的损失函数及其推导过程。
1.损失函数及其求解
线性回归模型的模型如下:
逻辑回归的模型定义(需要借助Sigmoid函数): 将上述线性回归的模型带入到g(x)中,得到最终的逻辑回归的模型: 假定上个表达式是等于类 1 的概率,自然等于类 0 的概率等于1减去等于类 1 的概率,如下所述: 将上面两个式子整合为下面一个公式: 那么似然函数为 m表示样本个数,为了方便计算,取对数得 求上式的极大值,引入因子 -1/m,转化为求下式的极小值:这就是逻辑回归的log损失函数,其中
那我们通过梯度下降更新 theta 其中Alpha是学习步长。
下面给出怎样推导上面的偏导数:
tip:上面的推导公式用到了sigmoid函数的导数公式,即: ,这个公式很重要哦,如果有时间可以自己推导一下。
至此,就结束喽~
喜欢就点个赞哦~
网友评论