首次接触最优化算法。介绍几个最优化算法，并利用它们训练出一个非线性函数用于分类。
假设现在有一些数据点，我们利用一条直线对这些点进行拟合（该直线为最佳拟合直线），这个拟合过程称作回归。
利用Logistic回归进行分类思想：根据现有数据对分类边界线建立回归公式，以此进行分类。
这里的“回归”一词源于最佳拟合，表示找到最佳拟合参数。训练分类器的做法：寻找最佳拟合参数，使用的是最优化算法（梯度上升法、改进的随机梯度上升法）。
5.1 基于Logistic回归和Sigmoid函数的分类
Logistic回归：优点：计算代价不高，易于理解和实现。缺点：容易欠拟合，分类精度可能不高。适用数据类型：数值型、标称型。
Sigmoid函数：g(z)=1/(1+e-z)，也可表示为hΘ(X)=g(ΘTX).
为了实现Logistic回归分类器，我们需要在每个特征上乘以一个回归系数，然后把所有结果值相加，将这个总和代入Sigmoid函数，进而得到0~1之间的数值。
此时就可以对标签y进行分类了：
其中θTx=0 即θ0+θ1*x1+θ2*x2=0 称为决策边界即boundarydecision。
Cost function:
线性回归的cost function依据最小二乘法是最小化观察值和估计值的差平方和。即：
但是对于logistic回归，我们的cost fucntion不能最小化观察值和估计值的差平法和，因为这样我们会发现J(θ)为非凸函数，此时就存在很多局部极值点，就无法用梯度迭代得到最终的参数(来源于AndrewNg video)。因此我们这里重新定义一种cost function
通过以上两个函数的函数曲线，我们会发现当y=1，而估计值h=1或者当y=0，而估计值h=0,即预测准确了，此时的cost就为0，，但是当预测错误了cost就会无穷大，很明显满足cost function的定义。
可以将上面的分组函数写在一起：
这样得到总体的损失函数J(θ)为：
5.2 基于最优化方法的最佳回归系数确定
Sigmoid函数输入记为z, z=w0x0+w1x1+...+wnxn。如果采用向量的写法，z=wTx,表示将这两个数值向量对应的元素相乘然后全部加起来得到z值。
其中向量x是分类器的输入数据，向量w就是我们要找到的最佳参数（系数）。
5.2.1 梯度上升法
梯度上升法思想：要找到某个函数的最大值，最好的方法是沿着该函数的梯度方向探寻。如果梯度记为▽，则函数f(x,y)的梯度由下式表示：
。这个梯度意味着沿x方向移动
，沿y方向移动
。其中，函数f(x,y)必须在待计算的点上有定义并且可微。
这样我们依据上面的J(θ)就可以得到梯度上升的公式：
当然上图中少了个求和符号。这样就得到
当然对于随机化的梯度迭代每次只使用一个样本进行参数更新，就为：
这也是下面代码中公式的来源。
例如：data=[1,2,3;4,5,6;7,8,9;10,11,12]为4个样本点，3个特征的数据集，，此时标签为[1,0,0,0]，
那么用梯度上升
为什么要采用上面的函数作为cost function？
Andrew Ng给的解释是因为最小估计值和观察值的差平方和为非凸函数，通过函数曲线观察得到上面的cost function满足条件。
这里给出另外一种解释——最大似然估计:
我们知道hθ(x)≥0.5<后面简用h>,此时y=1， 小于0.5，y=0. 那么我们就用h作为y=1发生的概率，那么当y=0时，h＜0.5，此时不能用h作为y=0的概率，<因为最大似然的思想使已有的数据发生的概率最大化，小于0.5太小了>，我们可以用1-h作为y=0的概率，这样就可以作为y=0的概率了，，然后只需要最大化联合概率密度函数就可以了。
这样联合概率密度函数就可以写成：
再转换成对数似然函数，就和上面给出的似然函数一致了。
图5-2 梯度上升算法到达每个点后都会重新估计移动的方向
图5-2中的梯度上升算法沿梯度方向移动了一步。梯度算子总是指向函数值增长最快的方向。这里说的移动方向，而未提到移动量的大小。该量值称为步长，记做α。用向量来表示的话，梯度上升算法的迭代公式如下： w:=w+α▽wf(w).
该公式将一直进行迭代，直到达到某个停止条件为止，比如迭代次数达到某个指定值或算法达到某个可以允许的误差范围。
5.2.2 训练算法：使用梯度上升找到最佳参数
训练样本：100个样本点，每个点包含两个数值型特征：x1和x2.
#coding:utf-8 from numpy import * def loadDataSet():#便利函数：打开文件并逐行读取 dataMat = []; labelMat = [] fr = open('testSet.txt') for line in fr.readlines(): lineArr = line.strip().split() dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])])#为方便计算，将x0值设为1.0 labelMat.append(int(lineArr[2])) return dataMat, labelMat def sigmoid(inX): return 1.0/(1+exp(-inX)) def gradAscent(dataMatIn, classLabels):#梯度上升：dataMatIn:2维NumPy数组,100*3矩阵;classLabels:类别标签，1*100行向量 dataMatrix = mat(dataMatIn)#特征矩阵 labelMat = mat(classLabels).transpose()#类标签矩阵：100*1列向量 m,n = shape(dataMatrix) alpha = 0.001#向目标移动的步长 maxCycles = 500#迭代次数 weights = ones((n,1))#n*1列向量：3行1列 for k in range(maxCycles): h = sigmoid(dataMatrix*weights)#100*3*3*1=100*1,dataMatrix * weights代表不止一次乘积计算，事实上包含了300次乘积 error = (labelMat - h)#真实类别与预测类别的差值 weights = weights + alpha * dataMatrix.transpose()* error#w:=w+α▽wf(w) return weights
注：倒数第二行代码
weights = weights + alpha * dataMatrix.transpose()* error#w:=w+α▽wf(w)
5.2.3 分析数据：画出决策边界
上面已经解出一组回归系数，它确定了不同类别数据之间的分隔线。如何画出分隔线，从而使得优化过程便于理解？
#5-2:画出数据集和Logistic回归最佳拟合直线的函数 def plotBestFit(weights): import matplotlib.pyplot as plt dataMat, labelMat = loadDataSet() dataArr = array(dataMat) n = shape(dataArr)[0]#n=100 xcord1 = []; ycord1 = [] xcord2 = []; ycord2 = [] for i in range(n): if int(labelMat[i]) == 1: xcord1.append(dataArr[i, 1]); ycord1.append(dataArr[i, 2]) else: xcord2.append(dataArr[i, 1]); ycord2.append(dataArr[i, 2]) fig = plt.figure() ax = fig.add_subplot(111) ax.scatter(xcord1, ycord1, s=30, c='red', marker='s') ax.scatter(xcord2, ycord2, s=30, c='green') x = arange(-3.0, 3.0, 0.1)#arange创建等差数组,-3.0起始点,3.0终止点(不包含3.0),间隔为0.1 y = (-weights[0] - weights[1] * x)/weights[2]#最佳拟合直线,设置sigmoid函数为0,0是两个分类(类别1和类别0)的分界处。因此设定0=w0x0+w1x1+w2x2,解出x1和x2关系(即分割线的方程，x0=1)。 ax.plot(x, y) plt.xlabel('X1');plt.ylabel('X2'); plt.show()
这个分类结果相当不错，尽管例子简单且数据集很小，这个方法却需要大量的计算（300次乘法）。
因此下一节将对该算法稍作改进，从而使它可以用在其他真是数据上。
注明：5.1参考下面链接
作者：小村长 出处：http://blog.csdn.net/lu597203933