机器学习算法--逻辑回归原理介绍

一、逻辑回归基本概念
1. 什么是逻辑回归
逻辑回归就是这样的一个过程:面对一个回归或者分类问题,建立代价函数,然后通过优化方法迭代求解出最优的模型参数,然后测试验证我们这个求解的模型的好坏。
Logistic回归虽然名字里带“回归”,但是它实际上是一种分类方法,主要用于两分类问题(即输出只有两种,分别代表两个类别)
回归模型中,y是一个定性变量,比如y=0或1,logistic方法主要应用于研究某些事件发生的概率
2. 逻辑回归的优缺点
优点:
1)速度快,适合二分类问题
2)简单易于理解,直接看到各个特征的权重
3)能容易地更新模型吸收新的数据
缺点:
对数据和场景的适应能力有局限性,不如决策树算法适应性那么强
3. 逻辑回归和多重线性回归的区别
Logistic回归与多重线性回归实际上有很多相同之处,最大的区别就在于它们的因变量不同,其他的基本都差不多。正是因为如此,这两种回归可以归于同一个家族,即广义线性模型(generalizedlinear model)。
这一家族中的模型形式基本上都差不多,不同的就是因变量不同。这一家族中的模型形式基本上都差不多,不同的就是因变量不同。

  • 如果是连续的,就是多重线性回归
  • 如果是二项分布,就是Logistic回归
  • 如果是Poisson分布,就是Poisson回归
  • 如果是负二项分布,就是负二项回归
4. 逻辑回归用途
  • 寻找危险因素:寻找某一疾病的危险因素等;
  • 预测:根据模型,预测在不同的自变量情况下,发生某病或某种情况的概率有多大;
  • 判别:实际上跟预测有些类似,也是根据模型,判断某人属于某病或属于某种情况的概率有多大,也就是看一下这个人有多大的可能性是属于某病。
5. Regression 常规步骤
  • 寻找h函数(即预测函数)
  • 构造J函数(损失函数)
  • 想办法使得J函数最小并求得回归参数(θ)
6. 构造预测函数h(x)
1) Logistic函数(或称为Sigmoid函数),函数形式为:
机器学习算法--逻辑回归原理介绍
文章图片


机器学习算法--逻辑回归原理介绍
文章图片

对于线性边界的情况,边界形式如下:
机器学习算法--逻辑回归原理介绍
文章图片

其中,训练数据为向量:
机器学习算法--逻辑回归原理介绍
文章图片

最佳参数:
机器学习算法--逻辑回归原理介绍
文章图片

构造预测函数为:
机器学习算法--逻辑回归原理介绍
文章图片

函数h(x)的值有特殊的含义,它表示结果取1的概率,因此对于输入x分类结果为类别1和类别0的概率分别为:
$P(y=1|x; \theta )=h_{\theta }(x)$
$P(y=0|x; \theta )=1-h_{\theta }(x)$
7.构造损失函数J(m个样本,每个样本具有n个特征)
Cost函数和J函数如下,它们是基于最大似然估计推导得到的。
【机器学习算法--逻辑回归原理介绍】机器学习算法--逻辑回归原理介绍
文章图片

8. 损失函数详细推导过程
1) 求代价函数
概率综合起来写成:
机器学习算法--逻辑回归原理介绍
文章图片

取似然函数为:
机器学习算法--逻辑回归原理介绍
文章图片

对数似然函数为:
机器学习算法--逻辑回归原理介绍
文章图片

最大似然估计就是求使l(θ)取最大值时的θ,其实这里可以使用梯度上升法求解,求得的θ就是要求的最佳参数。
在Andrew Ng的课程中将J(θ)取为下式,即:
机器学习算法--逻辑回归原理介绍
文章图片

2) 梯度下降法求解最小值
 机器学习算法--逻辑回归原理介绍
文章图片

θ更新过程可以写成:
机器学习算法--逻辑回归原理介绍
文章图片

9. 向量化
ectorization是使用矩阵计算来代替for循环,以简化计算过程,提高效率。
向量化过程:
约定训练数据的矩阵形式如下,x的每一行为一条训练样本,而每一列为不同的特称取值:
机器学习算法--逻辑回归原理介绍
文章图片

g(A)的参数A为一列向量,所以实现g函数时要支持列向量作为参数,并返回列向量。
θ更新过程可以改为:
机器学习算法--逻辑回归原理介绍
文章图片

综上所述,Vectorization后θ更新的步骤如下:
  1. 求 A=x*θ
  2. 求 E=g(A)-y
  3. 求:
机器学习算法--逻辑回归原理介绍
文章图片

10.正则化
(1) 过拟合问题
过拟合即是过分拟合了训练数据,使得模型的复杂度提高,繁华能力较差(对未知数据的预测能力)
下面左图即为欠拟合,中图为合适的拟合,右图为过拟合。
机器学习算法--逻辑回归原理介绍
文章图片


(2)过拟合主要原因
过拟合问题往往源自过多的特征
解决方法
1)减少特征数量(减少特征会失去一些信息,即使特征选的很好)
  • 可用人工选择要保留的特征;
  • 模型选择算法;
2)正则化(特征较多时比较有效)
  • 保留所有特征,但减少θ的大小
(3)正则化方法
正则化是结构风险最小化策略的实现,是在经验风险上加一个正则化项或惩罚项。正则化项一般是模型复杂度的单调递增函数,模型越复杂,正则化项就越大。
正则项可以取不同的形式,在回归问题中取平方损失,就是参数的L2范数,也可以取L1范数。取平方损失时,模型的损失函数变为:
机器学习算法--逻辑回归原理介绍
文章图片

lambda是正则项系数:
  • 如果它的值很大,说明对模型的复杂度惩罚大,对拟合数据的损失惩罚小,这样它就不会过分拟合数据,在训练数据上的偏差较大,在未知数据上的方差较小,但是可能出现欠拟合的现象;
  • 如果它的值很小,说明比较注重对训练数据的拟合,在训练数据上的偏差会小,但是可能会导致过拟合。
正则化后的梯度下降算法θ的更新变为:
机器学习算法--逻辑回归原理介绍
文章图片

部分内容参考自:http://blog.csdn.net/pakko/article/details/37878837
二、Python实现逻辑回归
from sklearn.linear_model import LogisticRegression Model = LogisticRegression() Model.fit(X_train, y_train) Model.score(X_train,y_train) # Equation coefficient and Intercept Print(‘Coefficient’,model.coef_) Print(‘Intercept’,model.intercept_) # Predict Output Predicted = Model.predict(x_test)


转载于:https://blog.csdn.net/chibangyuxun/article/details/53148005

    推荐阅读