机器学习笔记1_逻辑回归

@[toc]

1 Logistic Regression

Logistic Regression 逻辑回归，简称LR，适合于分类问题

1.1 LR模型

对于线性回归模型，需要拟合一个的函数，回归问题适合于连续的问题，而对于分类问题，需要得到一系列离散的标签，以二分类为例，需要预测的类别为0，1.可以使用sigmoid函数将连续问题转化为离散问题:

sigmoid函数的图像为：

sigmoid

其中，时，， 时，. Sigmoid函数的导数为：

令，则有:

对于二分类问题，该函数的输出可以理解为分类为1的概率，如果把X记为, 记为为要估计的模型参数，则LR的矩阵形式为：

1.2 损失函数

由于表示的是被分类为1的概率，而被分类为0的概率则为，对于离散随机变量，我们可以写出分布列：

y	1	0

用一个式子表示就是

这就是的分布函数，函数中的\theta表示要估计的参数，熟悉概率论的都知道，要估计分布函数中的参数可以有矩估计和极大似然法两种，这里选极大似然法，也叫最大似然法，这里把他的概念写出来：

极大似然法

也就是说，假设所有的训练样本所对应的随机变量是独立同分布的，其分布函数为，独立同分布的随机变量的联合分布函数就是每个分布函数的乘积，把这个联合分布函数称为似然函数，表示为：

因为似然函数取对数后达到最大值时候的与本身达到最大值后的是相同的，即：

所以我们一般用对数似然函数，似然函数取反就是损失函数，而最大化似然函数就是最小化损失函数：

那损失函数什么时候取最小值呢？当然就是其导数取0的时候啦。注意这里的表示m个待估计的参数，取极值时要求每个偏导都为0. 损失函数的矩阵表达方法为：

其中为单位矩阵

1.3 优化方法

对于二分类的LR，可以使用梯度下降法，坐标轴下降法，牛顿法等。梯度下降法容易理解，就是参数按照梯度减小的方向更新（形式上的推导），

在LR中，我们在最开始给出了SIgmoid的导数，因此用梯度下降法更新参数可以表示为：

而牛顿法最初是用来求解函数零点的，而极值代表一阶导数的零点，因此可以用牛顿法。记为一阶偏导数，为二阶偏导数，则有：

坐标轴下降法则是固定一个坐标，沿着另外一个坐标寻找最优点，适合于导数不连续的情况。

1.4 Regulization(正则化)

为什么要正则化，这是因为机器学习模型中，学习到的参数是直接与特征向量相乘的，如LR中有：

在不变的情况下，如果特别大，那乘积就会特别大，假如在测试的时候，某个测试样本跟训练样本的分布不太一样，那么经过参数放大后可能得到一个非常离谱的值。参数的取值过大会让模型异常敏感，也容易过拟合，那么如何避免这种情况呢？一种可行的方法就是，我们不希望学习到的参数取值太大，那就让他们尽量接近于0，即：

矩阵表达就是，我们称为L1正则项，同样的，也有L2正则项，

因为正则项也是关于的函数，也是我们要优化的目标之一(目标是让它最小)，这样就可以合并到损失函数中：

是正则项的权重。加入正则项后，学习到的参数就不会太大，模型也就没那么敏感。当然，如果正则项的权重过大，那所有的参数会很小，模型会异常不敏感，基本所有的输入都会得到一个差不多的输出，所有这个权重也要仔细考虑。
此外，由于是直接加到优化函数后的，相当于对函数做平移，我们并不需要正则化这个参数。

1.5多元逻辑回归

多元逻辑回归是二元情况的推广，每个类的概率用Softmax函数计算。假设要分K类，每个要学习的参数为 记

则x属于每个类的概率可以计算为：

如下图：

在这里插入图片描述

softmax其实就相当于把输入放大后再做归一化。
在多个类计算损失函数时，用到的是多个类的entropy，这时要用到One-hot矩阵，也就是：

具体计算的时候，使用：

1.6 总结

自己的实验数据集中有23万条数据，从结果看，LR的准确率算很高的，最关键的是训练速度很快。