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
网友评论