机器学习Logistic回归---学习笔记

Posted 等秃了就去学算法

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习Logistic回归---学习笔记相关的知识,希望对你有一定的参考价值。

Logistic回归学习笔记

Logistic回归学习线路

预备知识:建议先去B站学习一下信息量,熵,BL散度,交叉熵的概念。

推荐B站视频:“交叉熵”如何做损失函数?打包理解“信息量”、“比特”、“熵”、“KL散度”、“交叉熵”

信息量(Information)指的是一个事件所包含的信息的多少,通常用以2为底的对数表示。比如说,如果一个事件发生的概率是1/8,那么这个事件的信息量就是log2(1/8)=-3,因为需要三个比特才能表示它。

熵(Entropy)是一个系统或信源中不确定性的度量,也可以理解为信息的平均量。在信息论中,熵越大表示系统或信源越难以预测,因此包含的信息越多。比如说,一堆硬币正反面朝上的情况有很多种可能性,因此它们的熵比一堆已知全是正面朝上的硬币要高。

KL散度(Kullback-Leibler
divergence),又称相对熵,是衡量两个概率分布之间差异的一种方式。KL散度是非负的,并且当且仅当两个分布完全相同时取值为0。

交叉熵(Cross-entropy)是一种用来比较两个概率分布之间差异的方法,它通常用于评估分类模型的性能。与KL散度类似,交叉熵也是非负的,当且仅当两个分布相等时取值为0。

本节知识导图

Logistic回归的函数模型

 逻辑回归是一个分类模型

 它可以用来预测某件事发生是否能够发生。分类问题是生活中最常见的问题:

  • 生活中:比如预测上证指数明天是否会上涨,明天某个地区是否会下雨,西瓜是否熟了

  • 金融领域:某个交易是否涉嫌违规,某个企业是否目前是否违规,在未来一段时间内是否会有违规

  • 互联网:用户是否会购买某件商品,是否会点击某个内容

 对于已知的结果,上面问题的回答只有:0,1

 我们以以下的一个二分类为例,对于一个给定的数据集,存在一条直线可以将整个数据集分为两个部分:

 此时,决策边界为 w 1 x 1 + w 2 x 2 + b = 0 w_1x_1+w_2x_2+b=0 w1x1+w2x2+b=0,此时我们很容易将 h ( x ) = w 1 x 1 + w 2 x 2 + b > 0 h(x)=w_1x_1+w_2x_2+b>0 h(x)=w1x1+w2x2+b>0的样本设置为1,反之设置为0。但是这其实是一个感知机的决策过程。
 逻辑回归在此基础上还需要在加上一层,找到分类概率与输入变量之间的关系,通过概率来判断类别。
回顾一下线性回归模型: h ( x ) = w T x + b h(x)=w^Tx+b h(x)=wTx+b在线性模型的基础上加上一个函数 g g g,即 h ( x ) = g ( w T x + b ) h(x)=g(w^Tx+b) h(x)=g(wTx+b)。这个函数就是sigmoid函数,也叫做logistic函数 g ( z ) = 1 1 + e − z g(z)=\\frac11+e^-z g(z)=1+ez1

它可以将一个线性回归中的结果转化为一个概率值。此时 h ( x ) h(x) h(x)表示的就是某件事发生的概率,我们也可以记为 p ( Y = 1 ∣ x ) p(Y=1|x) p(Y=1∣x)
可以看下sigmoid函数的图像:

总结:这样,我们便得到Logistic模型 h ( x ) h(x) h(x)的表达式 h ( x ) = 1 1 + e − w T x + b h(x) = \\frac11+e^-w^Tx+b h(x)=1+ewTx+b1
: h ( x i ) h(x_i) h(xi)的意义在于 样本 x i x_i xi的标签为1的概率为 h ( x ) h(x) h(x)

损失最小化架构

从概率论、统计学角度来看损失最小化架构:
 在统计学中,假设我们已经有了一组样本(X,Y),为了计算出能够产生这组样本的参数。通常我们会采用最大似然估计的方法(一种常用的参数估计的方法)。使用到最大似然估计的话,我们还要一个假设估计,这里我们就是假设 Y Y Y是服从于伯努利分布的。 P ( Y = 1 ∣ x ) = p ( x ) P(Y=1|x)=p(x) P(Y=1∣x)=p(x) P ( Y = 0 ∣ x ) = 1 − p ( x ) P(Y=0|x)=1-p(x) P(Y=0∣x)=1p(x)由于 Y Y Y服从于伯努利分布,我们很容易就有似然函数: L = ∏ [ p ( x i ) y i ] [ 1 − p ( x i ) ] ( 1 − y i ) L=\\prod[p(x_i)^y_i][1-p(x_i)]^(1-y_i) L=[p(xi)yi][1p(xi)](1yi)为了求解我们可以两边取对数:
l o g L = ∑ [ y i l o g ( p ( x i ) ) + ( 1 − y i ) l o g ( 1 − p ( x i ) ) ] logL = \\sum [y_ilog(p(x_i))+(1-y_i)log(1-p(x_i))] logL=[yilog(p(xi))+(1yi)log(1p(xi))]

最大似然估计其实就是取概率的概率最大的那个概率模型:这么说你可能不懂,换种方式, ∏ p ( h ( x i ) ∣ θ ) \\prod p(h(x_i)|\\theta) p(h(xi)θ),已有概率模型 h ( x ) h(x) h(x)在现有样本 θ \\theta θ的条件下,计算出值越大,越说明 h ( x ) h(x) h(x)最接近理论概率模型

我们一般喜欢取式子的最小值,所以将原式子转化一下
m i n ( − l o g L ) = m i n − ∑ [ y i l o g ( p ( x i ) ) + ( 1 − y i ) l o g ( 1 − p ( x i ) ) ] min(-logL) =min -\\sum [y_ilog(p(x_i))+(1-y_i)log(1-p(x_i))] min(logL)=min[yilog(p(xi))+(1yi)log(1p(xi))]

这里的 p ( x i ) p(x_i) p(xi)对应的就是 h ( x i ) h(x_i) h(xi)

从信息量,熵的角度来看损失最小化架构:

KL散度:当 D K L = 0 D_KL=0 DKL=0时,P模型=Q模型,我们追求的就是我们所构建的Q模型(也就是 h ( x ) h(x) h(x))接近真实P模型(这里是样本的理论模型, p i 为 p_i为 pi样本频率)

没错,根据吉布斯不等式,交叉熵 ≥ \\geq P系统的熵,所以当我们取交叉熵的最小值时,Q模型越接近真实的理论P模型,又知道,信息量的定义是 f : = − l o g 2 x f:=-log_2x f:=log2x
所以带入原式子,交叉熵为: − ∑ i = 1 m p i l o g 2 x -\\sum_i=1^mp_ilog_2x i=1

ng机器学习视频笔记 ——logistic回归

ng机器学习视频笔记(四)

——logistic回归

 (转载请附上本文链接——linhxx)

 

一、概述

1、基本概念

         logistic回归(logistic regression),是一个分类(classification)算法(注意不是回归算法,虽然有“回归”二字),用于处理分类问题,即结果是离散的。另外,由于有固定的结果,其是监督学习算法。

         例如,预测天气、预测是否通过考试等,结果是离散的值,而预测房价这种就属于“回归”算法要解决的问题,而不是分类算法解决的问题。

2、公式

         现在考虑只有两种结果情况下的logistic回归,结果只有0和1两种,即预测事件是否发生,1表示发送,0表示不发生。其h函数公式如下图所示:

 

 其中,g函数又层S型函数(sigmoid function)。易知g函数范围:0<=g(z)<=1。

函数图像如下:

 

h(x)=g(z)的值,表示y=1的概率。即h(x)=p(y=1|x; θ)。y=1表示事件发生。因此h函数的结果即为事件发生的概率。

由于事件只有发生和不发生两种状态,因此,事件发生+事件不发生的概率为1,即如下公式:

 

 

二、决策边界

决策边界(decision boundary)表示h(x)=0时的x的表达式。

         由于h函数是表示事件发生的概率,但是事件只有发生和不发生两种情况,因此需要将预测计算的概率和最终的结果联系起来。由于概率在0~1分布,因此,可以认为当h(x)>=0.5时,y=1。即h(x)>=0.5时,预测事件发生。同理,h(x)<0.5时,预测结果是y=0,即事件不会发生。即,只有两个结果的情况下,一个结果发生的概率超过一半,则认为其会发生。

         另外,由上面g(z)函数的图,可以知道,当z>=0时g(z)>=0.5,因此,z>=0时y=1。根据样本集的分布,决策边界可以分为线性的和非线性的。

 

三、代价函数

1、不能使用线性回归的代价函数公式

         根据下图所示线性回归的代价函数,把h(x)用上面的1/(1+e-z)带入,求出来的结果,会是一个存在非常多极小值的函数,这样的代价函数称为非凸函数(non-convex)。

 

         非凸函数的缺点在于,其极小值很多。根据梯度下降法,可以知道梯度下降只能求得极小值,因此对于非凸函数而言,最终得到的很可能是一个非最优化的代价函数,即预测结果可能很差,因此,需要对此公式进行变换。

2、公式

 

         变换后的公式如上述所示。

3、公式分析

1)y=1

         y=1时代价函数cost(h(x),y)=-log(h(x)),此时的函数图如下:

 

         即,当y=1且预测结果h(x)=1时,代价是0;当h(x)=0时代价是正无穷大。

         这个很好理解,因为事件只有发生和不发生,y=1表示真实情况下事件是发生的,此时如果预测也是发生则没有代价,如果预测是不发生则完全错误,代价非常大。由于h(x)>=0.5时结果都会当作发生,因此当h(x)<0.5时代价会陡增。

2)y=0

         y=0时代价函数cost(h(x),y)=-log(1-h(x)),函数图如下:

        

         分析过程同y=1。

4、简化代价函数

         由于y只有0、1两种情况,此时代价函数可以简化,如下:

      

  

         这个就是把上面的情况整合进来,把y=0、y=1带入则还是原来的式子。

 

 

四、梯度下降算法

         方式同线性回归,不断迭代下面的式子,需要注意的是,当有多个特征,要一次性计算出所有的θ,同时带入。

 

         另外,当特征值很大时,需要考虑特征缩放。

         此外,除了梯度下降算法,还可以使用共轭梯度法(conjugate gradient)、变尺度法(BFGS)、限制变尺度法(L-BFGS)等,这些算法的共同点是不需要认为的选择α、收敛速度快,但是缺点是过程非常复杂。

 

五、一对多分类

         当分类的结果有多种,而不仅仅是事件发生和不发生,例如预测天气,有晴、阴、雨等多种情况,此时称为一对多分类 (one-vs-all、one-vs-rest)。

         这种情况下,采用的方法是,把结果拆成多种,每种的事件发生是1、不发生是0。分类图如下:

 

例如,预测明天的天气,把y=1、2、3(三角形、红叉、正方形)分别表示晴、阴、雨三种天气,则逐个进行预测,当预测是否晴天,y=1看作一类,y=2、3看作一类进行讨论。

         其他情况类推。

         此时,分别计算出h(x)=p(y=i|x; θ) (i=1,2,3)的概率,并得出最大概率是分到哪类。

 

 

——written by linhxx

 

更多最新文章,欢迎关注微信公众号“决胜机器学习”,或扫描右边二维码。

以上是关于机器学习Logistic回归---学习笔记的主要内容,如果未能解决你的问题,请参考以下文章

《机器学习实战》学习笔记:Logistic 回归

机器学习实战读书笔记Logistic回归

机器学习实战笔记 logistic回归

[机器学习] Coursera ML笔记 - 逻辑回归(Logistic Regression)

机器学习笔记—Logistic回归

机器学习 逻辑回归 Logistic Regression