机器学习(4)——逻辑回归

作者: 飘涯 | 来源:发表于2018-03-10 23:18 被阅读49次

    前言:这里是分类问题,之所以放到线性回归的下面介绍,是因为逻辑回归的步骤几乎是和前面一样的,写出目标函数,找到损失函数,求最小值,求解参数,建立模型,模型评估。分类算法,概率模型,返回的是属于这类模型的概率多大,交叉对数损失函数,其微分方程和梯度下降一样
    softmax分类,解决数据不平均的问题,提高准确率

    Logistic回归

    • sogmid函数


      image.png
      image.png
    • 损失函数函数
      解决二分类问题,训练模型,输出属于该目标值的概率。


      image.png image.png
      image.png

      损失函数为使得概率函数最大,则损失函数为:


      image.png
    • 求解过程


      image.png
      image.png

    softmax回归

    解决多分类问题

    • 写出概率函数:


      image.png

      注:为什么用指数函数,为了表示数据的微小变动引起的概率的指数级增大,

    • 写出损失函数


      image.png

      第一求和符号是指m个样本,第二个k是指,一个样本中y=j时所有的样本概率和,为什么用对数函数?因为0-1范围对数变化率大,

    • 求导


      image.png
    • 梯度下降求解参数


      image.png

    相关文章

      网友评论

        本文标题:机器学习(4)——逻辑回归

        本文链接:https://www.haomeiwen.com/subject/tcpsfftx.html