Logistic回归-代价函数求导过程 | 内含数学相关基础

 本篇文章是针对已经学习过 Logistic Rregression 部分知识，只对其 Cost function 求导过程展开详述。

 作者 | ZJ

Github: Logistic回归-代价函数求导过程 | 内含数学相关基础

相关函数求导公式

先复习回顾下一些数学基础，帮助推导过程可以更好的理解。下面列举的公式都是，接下来的推导中会用到的，没有涉及到的公式，此处不再列举。

• 常数项求导

  

• 以 e 为底的指数求导公式

  

• 对数复合求导公式

  

• 幂函数复合求导公式

  

• 函数的和、差、积、商的求导法则

  设，都可导，则:

  (1)

  (2)

  (3)

  (4)

• 复合函数求导法则

  设 而且 及 都可导，则复合函数 的导数为

  

---

Logistic 回归的 Cost function 的推导过程：

之前采用的是梯度下降算法用来求函数的最小值。

好吧，来吧正式开始了，有了以上的数学求导基础，接下来就容易多了，公式嘛，当初上学时，老师常说的一句话：“背过，记住！”

Logistic回归的代价函数可以统一写成如下一个等式：

其中：

下面开始我们的推导过程：如果要求 对某一个参数的偏导数，则：

• 1.根据求导公式，可以先把常数项 提取出来，这样就只需要对求和符号内部的表达式求导，即：

(1)

其中 K(θ)’ 为：（为方便显示，先把右上角表示第i个样本的上标去掉）

• 2.根据对数复合求导公式，
  ，
  对 K(θ)’ 继续求导可得：

(2)

之后 需要对

现在 根据上面提到的

• 幂函数复合求导公式

• 以 e 为底的指数求导公式

先对求导：

根据上面的已知公式：

依据上面的商求导公式可得：

将 (3) (4) 代入 (2) 中 ，可得：

推导结果：

结论：Logistic Regression 的目的是 求解一组最佳拟合参数 θ 。这个求解的过程是由最优化算法完成的。

参考文献：

[1] 玄天妙地 .第三周：逻辑回归代价函数求导过程 [OL]