机器学习2——分类和逻辑回归Classification and logistic regression(牛顿法待研究)
2016-12-06 23:42
423 查看
不同于回归问题,分类问题是指预测值y只有几个离散的值,这里只讲binary classification 二分类问题,即y只取0,1。
sigmoid函数及图如下:
函数:
图:
(2) 所以要将标签映射到0,1。我们的假设函数可以设为:
这样就可以将标签映射到0,1了。
那么上面模型的输出可以统一写作:
这里是加号了。
另外还可以用牛顿法来更新,待研究。
求导:
Logistic regression
1 why logistic fuction?为什么选择sigmoid函数?
(1) 如何将标签映射到0,1?sigmoid函数及图如下:
函数:
图:
(2) 所以要将标签映射到0,1。我们的假设函数可以设为:
这样就可以将标签映射到0,1了。
2 这里损失函数怎么求,以及怎么更新模型的参数θ?
1 参数为θ时,输入为x时,模型的输出是多少?
假设:那么上面模型的输出可以统一写作:
2 参数为θ,样本数据为(X,Y)时,关于θ的最大似然函数可以记作:
3 怎样使似然函数最大呢?
同样的,利用梯度下降算法,利用log(似然函数)对模型参数θ的梯度来更新θ,即:这里是加号了。
另外还可以用牛顿法来更新,待研究。
4 怎么求log(似然函数)及其对模型参数θ的梯度?
log(似然函数):求导:
5 即模型参数θ的迭代更新计算方式为:
相关文章推荐
- [机器学习笔记]二:Classification and logistic regression(分类和逻辑回归)
- 斯坦福CS229机器学习课程笔记 part2:分类和逻辑回归 Classificatiion and logistic regression
- 逻辑回归和牛顿法 Logistic Regression and Newton's Method
- Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization
- 机器学习算法笔记1_2:分类和逻辑回归(Classification and Logistic regression)
- 分类和逻辑回归(Classification and logistic regression)
- Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization
- Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization
- 分类和回归 Classification and Regression
- opencv3/C++ 机器学习-逻辑回归/Logistic Regression
- Logistic and Softmax Regression (逻辑回归和Softmax回归)
- 分类回归树-classification and regression tree-CART
- Stanford机器学习网络课程---第三讲(续)Matlab实现线性回归和逻辑回归: Linear Regression & Logistic Regression
- Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization
- 分类和逻辑回归(Classification and logistic regression)
- 机器学习笔记04:逻辑回归(Logistic regression)、分类(Classification)
- 代码,逻辑回归(logistic_regression)实现mnist分类(TensorFlow实现)
- Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization
- Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization
- 【数据挖掘】决策树之CART (Classification and Regression Trees)分类与回归树