zoukankan      html  css  js  c++  java
  • 逻辑回归

    逻辑回归

    逻辑回归是用于解决离散型的输出结果的问题(分类问题)。文本分类就是一个典型的分类问题。

    在描述线性回归数学模型之前,先约定好一些表达形式: 代表输入数据 (features),代表输出数据(分类标签),代表一组训练数据(training example) ,m代表训练数据的个数,n代表特征数量。

    1 逻辑回归函数表达

    对于逻辑回归分类问题,y的输出等于 0 或者 1。逻辑回归函数式的输出范围是:,以0.5作为临界值(Threshhold),y的取值如下:

    如果,y = 1

    如果, y = 0

    函数式表达

    逻辑回归的函数表达如下:

     

    其中

     

    逻辑回归的损失函数是它的极大似然函数

     

    逻辑回归的整个代价函数表示如下:

    2 梯度下降算法

    有了代价函数,接下来对于逻辑回归需要解决的事情往就是希望能够找到一组,能够最小化,即,梯度下降算法基本方式如下:

    1)     随机选择一组

    2)     不断的变化,让变小;

     

    j=0,1,...n,是所有n+1个值同时进行变化。α 是代表学习速率。是损失函数对的偏导数。 

    3)     直到寻找到最小值。

    所以关键是推导出对于j的偏导数如下: 

    逻辑回归的多分类:

    N分类也就是训练N个二分类。对于第j个分类器,任务就是得出一个样本属于j类和其他类的概率 hθ(i)(x) 。

    求得所有二分类后j(j = 1,2,3…N),那么这个样本属于的类J当:

     hθ(J)(x)  =

  • 相关阅读:
    WTL之CAppModule
    WTL之窗口子类化
    专业的日志系统该包含什么?
    ATL之什么是套间
    Java线程新特征之同步
    Java之用句柄操作对象
    Android之Application Fundamentals
    Android之Dev Guide
    一些思考
    WTL之窗口超类化(父类化)
  • 原文地址:https://www.cnblogs.com/hozhangel/p/9076548.html
Copyright © 2011-2022 走看看