逻辑回归求导 |
您所在的位置:网站首页 › 逻辑回归求解二分类问题 › 逻辑回归求导 |
逻辑回归求导
逻辑回归是机器学习中常用的分类算法之一,它主要用来处理二 分类问题,如判断一封邮件是否为垃圾邮件,一篇文章是否为新闻报 道等。本文将介绍逻辑回归中的求导过程,这对于理解模型的性能和 参数优化有很大的帮助。
首先,逻辑回归中的模型可以描述为:
$$P(y=1|x)=\frac{1}{1+e^{-z}}$$
其中, $z=w_0+w_1x_1+w_2x_2+...+w_mx_m$ , $w_i$ 表示每个特征 的权重, $x_i$ 表示预测样本的特征数据。 $P(y=1|x)$ 表示当 $y$ 为 1 的概率, $e$ 为自然常数。
要对逻辑回归进行求导,需要使用梯度下降法来最小化代价函数, 代价函数可以表示为:
$$J(w)=- \frac{1}{m}[\sum_{i=1}^{m}y^{(i)}\log(h_{w}(x^{(i)}))+(1- y^{(i)})\log(1-h_{w}(x^{(i)}))]$$
其中, $h_w(x)$ 表示预测样本的概率, $y^{(i)}$ 表示实际标签值, $m$ 为样本数。
对于代价函数的求导,需要使用链式法则对每个参数进行求导。 我们以 $w_1$ 为例进行说明:
|
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |